作者提出了 REGRIND，这是一种极简的、由重定向引导的强化学习管道，能够从单次人类演示中学习灵巧操作策略。该方法将人手与物体的运动重定向到机器人参考轨迹上，同时保持空间和接触关系，然后在仿真中训练残差 RL 策略以跟踪以物体为中心的关键点。
- 重定向人类运动以保持手与物体之间的空间和接触关系。
- 训练残差 RL 策略以沿参考轨迹跟踪以物体为中心的关键点。
- 通过仔细的系统辨识，将策略零样本迁移到硬件上。
- 在两个多指机械手上演示了流畅、类人的行为，用于操作剪刀和旋转螺丝刀等工具使用任务。
该工作确定了控制仿真到现实（sim-to-real）迁移的关键因素，为基于重定向的学习提供了实用指导。