著者らは、REGRINDを発表しました。これは、単一の人間デモから器用な操作ポリシーを学習する、ミニマリストなリターゲティング誘導強化学習パイプラインです。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動きをロボットの参照にリターゲティングし、その後、シミュレーションで残差RLポリシーを訓練してオブジェクト中心のキーポイントを追跡します。

  • 手の物体間の空間的および接触関係を維持するために人間動作をリターゲティングする。
  • 参照に沿ってオブジェクト中心のキーポイントを追跡するための残差RLポリシーを訓練する。
  • 慎重なシステム同定を用いて、ゼロショットでハードウェアにポリシーを転移させる。

2本の多指ハンドで、はさみを操作したりドライバーを回したりするツール使用タスクにおいて、流れるような人間らしい動作を実証した。

この研究は、接触が豊富な環境におけるsim-to-real転移を支配する主要な要因を特定し、リターゲティングベースの学習に対する実用的なガイダンスを提供します。