# ReDex से सिमुलेशन में प्रशिक्षित रोबोट हाथों की सफलता बढ़ी

> इस नए फ्रेमवर्क से असली रोबोट पर वस्तु पलटने की सफलता 14% से बढ़कर 86% और पेचकस घुमाने की प्रगति 26% से बढ़कर 95% हो गई।

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

Jinzhou Li के नेतृत्व में शोधकर्ताओं ने ReDex जारी किया है। यह सिमुलेशन में प्रशिक्षित निपुण रोबोट हाथों की नीतियों को असली हार्डवेयर पर ढालने का तरीका है। इस सिस्टम में मूल नीति बाकी उंगलियों को चलाती रहती है, जबकि मनुष्य उंगलियों के संपर्क को धीरे से ठीक कर सकता है। मूल नीति, मनुष्य के मार्गदर्शन में उंगलियों की गतिविधियों और उंगलियों के सिरों से मिले बल के आँकड़ों को मिलाकर किए गए परीक्षणों का इस्तेमाल व्यवहार-अनुकरण के ज़रिए बल-आधारित नई नीति को प्रशिक्षित करने के लिए किया जाता है। संपर्क-प्रधान दो कामों पर हुए परीक्षणों में ReDex से वस्तु पलटने की सफलता 14% से बढ़कर 86% और पेचकस घुमाने की प्रगति 26% से बढ़कर 95.3% हो गई।

## तथ्य

- दो वस्तुओं को पलटने में सफलता 14% से बढ़कर 86% हो गई।
- तीन वस्तुओं पर पेचकस घुमाने की प्रगति 26.0% से बढ़कर 95.3% हो गई।

## यह क्यों मायने रखता है

यह दिखाता है कि मानवीय मदद से थोड़े-से सुधार के साथ सिमुलेशन में सीखे हाथों के कौशल को असली दुनिया में भरोसेमंद रोबोट क्रियाओं में बदला जा सकता है।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-07