Para penulis menyajikan REGRIND, sebuah pipeline pembelajaran penguatan berarah retargeting minimalis yang mempelajari kebijakan manipulasi cekatan dari satu demonstrasi manusia. Metode ini mentargetkan ulang gerakan tangan-objek manusia ke referensi robot sambil mempertahankan hubungan spasial dan kontak, kemudian melatih kebijakan RL residual dalam simulasi untuk melacak titik kunci berpusat pada objek.
- Menargetkan ulang gerakan manusia untuk mempertahankan hubungan spasial dan kontak antara tangan dan objek.
- Melatih kebijakan RL residual untuk melacak titik kunci berpusat pada objek sepanjang referensi.
- Mentransfer kebijakan zero-shot ke perangkat keras menggunakan identifikasi sistem yang cermat.
- Mendemonstrasikan perilaku yang lancar dan mirip manusia pada dua tangan multi-jari untuk tugas penggunaan alat seperti mengoperasikan gunting dan memutar obeng.
Karya ini mengidentifikasi faktor-faktor kunci yang mengatur transfer sim-to-real dalam pengaturan kaya kontak, memberikan panduan praktis untuk pembelajaran berbasis retargeting.