# 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

> 新たなフレームワークにより、実機での物体反転成功率は14%から86%に、ドライバーの回転の進捗率は26%から95%に向上した。

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

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。

## 事実

- 2つの物体で、物体反転の成功率は14%から86%に上昇した。
- 3つの物体で、ドライバー回転の進捗率は26.0%から95.3%に向上した。

## なぜ重要か

人による最小限の修正で、シミュレーション学習による手指操作を、実世界で信頼性の高いロボット動作に変えられる実用的な方法を示している。

## 出典と参考資料

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

最終更新: 2026-10-07