Авторы представляют REGRIND, минималистичный конвейер обучения с подкреплением, направляемый ретаргетингом, который учит политики ловкого манипулирования на основе одной демонстрации человеком. Метод переносит движение руки человека и объекта на эталонные данные робота, сохраняя пространственные и контактные взаимосвязи, а затем обучает остаточную политику RL в симуляции для отслеживания ключевых точек, связанных с объектом.
- Переносит движение человека для сохранения пространственных и контактных взаимосвязей между рукой и объектом.
- Обучает остаточную политику RL для отслеживания ключевых точек, центрированных на объекте, вдоль эталонной траектории.
- Переносит политики в «нулевом шаге» на оборудование с помощью тщательной идентификации системы.
- Демонстрирует плавное, похожее на человеческое поведение на двух многопальцевых манипуляторах при выполнении задач использования инструментов, таких как работа ножницами и откручивание отверткой.
Работа выявляет ключевые факторы, определяющие перенос из симуляции в реальность в условиях обилия контактов, предлагая практические рекомендации для обучения на основе ретаргетинга.