# ReDex förbättrar simtränade handpolicys i verkligheten

> Det nya ramverket höjer framgången vid föremålsvändning från 14% till 86% och rotationsframstegen med skruvmejsel från 26% till 95% på verkliga robotar.

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

Forskare under ledning av Jinzhou Li har presenterat ReDex, en metod för att anpassa fingerfärdiga handpolicys som tränats i simulering till verklig hårdvara. Systemet låter en människa försiktigt korrigera fingrarnas kontaktpunkter medan den ursprungliga policyn styr de övriga fingrarna. Förlopp där grundpolicyn kombineras med mänskligt styrda fingerrörelser och kraftdata från fingertopparna används för att träna en ny kraftbetingad policy genom beteendekloning. I tester av två uppgifter med många kontaktmoment ökade ReDex framgången vid föremålsvändning från 14% till 86% och rotationsframstegen med skruvmejsel från 26% till 95.3%.

## Fakta

- Framgången vid föremålsvändning ökade från 14% till 86% för två föremål.
- Rotationsframstegen med skruvmejsel ökade från 26.0% till 95.3% för tre föremål.

## Varför det spelar roll

Resultatet visar ett praktiskt sätt att omvandla handfärdigheter som tränats i simulering till tillförlitliga robotrörelser i verkligheten med minimal mänsklig korrigering.

## Källor och referenser

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

Senast uppdaterad: 2026-10-07