# ReDex verbessert reale Erfolgsquoten simulierter Handbewegungen

> Das neue Framework steigert den Erfolg beim Umdrehen von Objekten von 14% auf 86% und den Fortschritt beim Drehen eines Schraubendrehers von 26% auf 95%.

Oossa · 2026-10-07 · https://oossa.com/de/redex-boosts-real-world-success-of-simulation-trained-hand-policies

Forschende unter der Leitung von Jinzhou Li haben ReDex vorgestellt, eine Methode, um in Simulationen trainierte, geschickte Handsteuerungen an reale Hardware anzupassen. Das System ermöglicht es einem Menschen, Fingerkontakte behutsam zu korrigieren, während die ursprüngliche Steuerung die übrigen Finger bewegt. Ausführungen, die die Basissteuerung, vom Menschen angeleitete Fingerbewegungen und Kraftdaten der Fingerspitzen kombinieren, dienen dazu, per Imitationslernen eine neue, kraftabhängige Steuerung zu trainieren. In Tests mit zwei Aufgaben, bei denen viele Kontakte eine Rolle spielen, steigerte ReDex den Erfolg beim Umdrehen von Objekten von 14% auf 86% und den Fortschritt beim Drehen eines Schraubendrehers von 26% auf 95.3%.

## Die Fakten

- Der Erfolg beim Umdrehen von Objekten stieg bei zwei Objekten von 14% auf 86%.
- Der Fortschritt beim Drehen eines Schraubendrehers verbesserte sich bei drei Objekten von 26.0% auf 95.3%.

## Warum es wichtig ist

Die Methode zeigt, wie sich in Simulationen trainierte Handfertigkeiten mit minimalen menschlichen Korrekturen in zuverlässige Aktionen realer Roboter umsetzen lassen.

## Quellen und Referenzen

1. [ReDex: Repairing Sim-to-Real Dexterous Policies by Finger-Level Compliant Interaction](https://arxiv.org/abs/2610.07525) – arXiv cs.RO, 2026-10-07

Zuletzt aktualisiert: 2026-10-07