# ReDex verhoogt succes van handbeleid dat in simulatie is getraind

> Het nieuwe raamwerk verhoogt het succes bij het omdraaien van objecten van 14% naar 86% en de voortgang bij het draaien van schroevendraaiers van 26% naar 95% op echte robots.

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

Onderzoekers onder leiding van Jinzhou Li hebben ReDex uitgebracht, een methode om behendige handbeleidssystemen die in simulatie zijn getraind aan te passen voor gebruik op echte hardware. Met het systeem kan een mens de vingercontacten voorzichtig corrigeren, terwijl het oorspronkelijke beleid de overige vingers aanstuurt. Trajecten waarin het basisbeleid, door een mens gestuurde vingerbewegingen en gegevens over de kracht op de vingertoppen worden gecombineerd, dienen om via gedragsimitatie een nieuw krachtgeconditioneerd beleid te trainen. In tests met twee taken waarbij veel contact plaatsvindt, verhoogde ReDex het succes bij het omdraaien van objecten van 14% naar 86% en de voortgang bij het draaien van schroevendraaiers van 26% naar 95.3%.

## De feiten

- Het succes bij het omdraaien van objecten steeg van 14% naar 86% voor twee objecten.
- De voortgang bij het draaien van schroevendraaiers steeg van 26.0% naar 95.3% voor drie objecten.

## Waarom het ertoe doet

Dit laat zien hoe handvaardigheden die in simulatie zijn getraind, met minimale menselijke correctie kunnen worden omgezet in betrouwbare robotacties in de echte wereld.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-07