# ReDex rende più efficaci nel mondo reale le mani addestrate in simulazione

> Il nuovo framework porta il successo nel capovolgere oggetti dal 14% all’86% e i progressi nella rotazione di un cacciavite dal 26% al 95% sui robot reali.

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

Un gruppo di ricercatori guidato da Jinzhou Li ha presentato ReDex, un metodo per adattare all’hardware reale le politiche di manipolazione con mani robotiche addestrate in simulazione. Il sistema consente a una persona di correggere delicatamente i contatti delle dita, mentre la politica originale controlla le altre dita. Le sequenze di azioni che combinano la politica di base, i movimenti delle dita guidati da una persona e i dati sulla forza esercitata dai polpastrelli vengono usate per addestrare una nuova politica condizionata dalla forza tramite apprendimento per imitazione. Nei test su due attività caratterizzate da numerosi contatti, ReDex ha portato il successo nel capovolgere oggetti dal 14% all’86% e i progressi nella rotazione di un cacciavite dal 26% al 95,3%.

## I fatti

- Il successo nel capovolgere oggetti è passato dal 14% all’86% su due oggetti.
- I progressi nella rotazione di un cacciavite sono passati dal 26,0% al 95,3% su tre oggetti.

## Perché conta

Dimostra un metodo pratico per trasformare le abilità delle mani robotiche addestrate in simulazione in azioni affidabili nel mondo reale, con un intervento umano minimo.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-07