arXiv cs.RO 机器人学· Jinzhou Li, Hadi Tabatabaee, Kelin Yu, Yuyin Sun, Cheng-Hao Kuo, Roberto Mart\'in-Mart\'in, Nima Fazeli, X. Alice Wu, Xianyi Cheng·· 1 天前AI 评分56
ReDex：通过手指级柔顺交互修复仿真到真实的灵巧操作策略
ReDex: Repairing Sim-to-Real Dexterous Policies by Finger-Level Compliant Interaction
AI 导读
ReDex 提出一个框架，将仿真训练的基座策略适配到真实世界，通过纠正局部接触失败并引入触觉反馈来提升灵巧操作表现。在真实硬件上的两项接触密集任务中，相比仿真到真实迁移的基座策略，Object Flipping 成功率从 14% 提升到 86%（两个物体），Screwdriver Rotation 平均进度从 26.0% 提升到 95.3%（三个物体）。
来源：arXiv cs.RO 机器人学 · arxiv.org