ReDex、シミュレーション学習の手指操作を実機で高成功率に

Jinzhou Li氏らの研究チームは、シミュレーションで学習した器用な手指操作ポリシーを実機に適応させる手法「ReDex」を発表した。このシステムでは、元のポリシーがほかの指を動かす間に、人が指先の接触位置をそっと修正できる。ベースとなるポリシー、人が誘導した指の動き、指先の力のデータを組み合わせた試行データを使い、行動クローニングによって力の情報を条件とする新たなポリシーを学習する。接触が多い2つのタスクでテストしたところ、ReDexにより物体反転の成功率は14%から86%に、ドライバー回転の進捗率は26%から95.3%に向上した。