arXiv · 机器人与计算机视觉· Jinzhou Li, Hadi Tabatabaee, Kelin Yu, Yuyin Sun, Cheng-Hao Kuo, Roberto Mart\'in-Mart\'in, Nima Fazeli, X. Alice Wu, Xianyi Cheng·· 2026-10-07精选AI 评分82
ReDex:通过手指级顺应性交互修复仿真到现实的灵巧操作策略
ReDex: Repairing Sim-to-Real Dexterous Policies by Finger-Level Compliant Interaction
AI 导读
针对仿真训练的灵巧操作策略在真实世界因接触时序和力调节误差而失效的问题,本文提出 ReDex 框架。该框架允许人类操作员在真实部署中,对选定手指进行物理修正以纠正接触失败,同时保留基座策略控制其余手指。
推荐理由
提出 ReDex 框架,通过人机协作修正接触失败并引入触觉反馈,将物体翻转成功率从 14% 提升至 86%,为仿真策略迁移提供新路径。
来源:arXiv · 机器人与计算机视觉 · arxiv.org