# ReDex提升仿真训练手部策略的真实环境成功率

> 这套新框架将真实机器人翻转物体的成功率从14%提高到86%，螺丝刀旋转进度从26%提升至95%。

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

由Jinzhou Li带领的研究团队发布了ReDex，这是一种将仿真环境中训练的灵巧手策略迁移到真实硬件上的方法。系统运行原有策略、控制其余手指的同时，允许人类轻柔地纠正手指与物体的接触。研究人员利用结合了基础策略、人类引导的手指动作和指尖受力数据的操作轨迹，通过行为克隆训练出新的力条件策略。在两项接触密集型任务的测试中，ReDex将翻转物体的成功率从14%提高到86%，并将螺丝刀旋转进度从26%提升至95.3%。

## 事实

- 在两种物体上，翻转成功率从14%提高到86%。
- 在三种物体上，螺丝刀旋转进度从26.0%提升至95.3%。

## 为什么重要

这表明，只需少量人类纠正，就能将仿真训练出的手部技能转化为可靠的真实机器人动作。

## 来源与参考

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

最后更新: 2026-10-07