# ReDex, 시뮬레이션으로 학습한 손 정책의 실물 로봇 성공률 높여

> 새 프레임워크를 적용하자 실물 로봇의 물체 뒤집기 성공률은 14%에서 86%로, 드라이버 회전 진척도는 26%에서 95%로 올랐다.

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

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.

## 팩트

- 물체 두 개를 대상으로 한 뒤집기 성공률이 14%에서 86%로 올랐다.
- 물체 세 개를 대상으로 한 드라이버 회전 진척도가 26.0%에서 95.3%로 향상됐다.

## 왜 중요한가

사람이 최소한으로 교정해도 시뮬레이션에서 학습한 손재주를 실제 환경에서 안정적으로 작동하는 로봇 동작으로 바꿀 수 있음을 보여준다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-07