ReDex, 시뮬레이션으로 학습한 손 정책의 실물 로봇 성공률 높여

Jinzhou Li가 이끄는 연구진이 시뮬레이션에서 학습한 손재주 로봇 정책을 실제 하드웨어에 적용하는 방법인 ReDex를 공개했다. 이 시스템은 기존 정책이 다른 손가락을 움직이는 동안 사람이 손가락 접촉을 부드럽게 교정할 수 있도록 한다. 기본 정책, 사람이 유도한 손가락 움직임, 손끝 힘 데이터를 조합한 동작 기록을 활용해 행동 복제 방식으로 새로운 힘 조건부 정책을 학습한다. 접촉이 많은 두 가지 작업을 시험한 결과, ReDex를 적용하자 물체 뒤집기 성공률은 14%에서 86%로, 드라이버 회전 진척도는 26%에서 95.3%로 향상됐다.