يقدم المؤلفون REGRIND، وهو خط أنابيب لتعلم التعزيز الموجه بالتحويل (retargeting) وبسيط يكتسب سياسات للتلاعب الدقيق من عرض بشري واحد. تقوم الطريقة بإعادة توجيه حركة اليد-الشيء البشرية إلى مراجع الروبوت مع الحفاظ على العلاقات المكانية والتماسكية، ثم تدرب سياسة RL المتبقية في المحاكاة لتتبع النقاط الرئيسية المركزة حول الشيء.
- يعيد توجيه الحركة البشرية للحفاظ على العلاقات المكانية والتماسكية بين اليد والشيء.
- يدرب سياسة RL المتبقية لتتبع النقاط الرئيسية المركزة حول الشيء على طول المرجع.
- ينقل السياسات إلى الأجهزة مباشرة (zero-shot) باستخدام تحديد النظام بعناية.
- يُظهر سلوكًا سلسًا ومشابهًا للبشر على يدين متعددتي الأصابع لمهام استخدام الأدوات مثل فتح المقص وتدوير مفك البراغي.
يحدد العمل العوامل الرئيسية التي تحكم النقل من المحاكاة إلى الواقع (sim-to-real) في البيئات الغنية بالتماس، مما يوفر إرشادات عملية للتعلم القائم على التحويل.