Les auteurs présentent REGRIND, un pipeline d'apprentissage par renforcement guidé par retargeting minimaliste qui apprend des politiques de manipulation délicate à partir d'une seule démonstration humaine. La méthode retargete le mouvement main-objet humain vers des références robotiques tout en préservant les relations spatiales et de contact, puis entraîne une politique RL résiduelle en simulation pour suivre les keypoints centrés sur l'objet.
- Retargete le mouvement humain pour préserver les relations spatiales et de contact entre la main et l'objet.
- Entraîne une politique RL résiduelle pour suivre les keypoints centrés sur l'objet le long de la référence.
- Transfère les politiques zéro-shot vers le matériel grâce à une identification du système minutieuse.
- Démonstre un comportement fluide et humain sur deux mains multi-doigts pour des tâches d'utilisation d'outils comme l'ouverture de ciseaux et le tournement d'un tournevis.
Le travail identifie les facteurs clés régissant le transfert sim-to-real dans des environnements riches en contacts, offrant des conseils pratiques pour l'apprentissage basé sur le retargeting.