著者は、1回の人間デモから器用な操作ポリシーを学習するミニマリストのリターゲティング誘導強化学習パイプラインであるREGRINDを発表します。この手法は、空間的および接触関係を保ちながら、人間の手足と物体の運動をロボットの参照に変換し、その後、オブジェクト中心のキーポイントを追跡するためにシミュレーションで残差RLポリシーを学習します。

  • REGRINDは慎重なシステム同定を用いて、結果として得られたポリシーをゼロショットでハードウェアに転送します。
  • ポリシーは、接触が豊富なツール使用タスクにおいて、2種類の異なる多指ハンドで流れるような人間らしい動作を生み出します。
  • この研究には、はさみの操作やドライバーの回し込みが含まれており、シミュレーションから現実への転移要因を分析する体系的なハードウェア実験が行われています。

著者は、接触が豊富な環境におけるリターゲティングベースの学習について、成功するシミュレーションから現実への転移を支配する主要な要因を特定することで、実践的なガイダンスを提供します。