ReDex: 指先の柔軟なインタラクションによるSim-to-Real巧みな操作ポリシーの修復

- シミュレーションで訓練したdexterous manipulation policyを実世界に適応させるフレームワークReDexを提案。 - 接触タイミングや力調整の誤りを修正し、tactile feedbackを導入する。 - proprioception-onlyのbase policyから出発し、人間が選択した指の接触失敗をcompliant control下で物理的に修正。 - そのrolloutからforce-conditioned policyをbehavior cloningで学習する。

- 従来のsim-to-real転移では接触タイミングと力調整の誤りで失敗しやすい。 - ReDexはbase policyの多指協調を保持しつつ、局所的な接触失敗のみを修正する。 - tactile simulationや複雑なfull-hand teleoperationを必要とせず、実世界のinteractionからcontact regulationを学習できる。 - 人間の修正負担を軽減し、proprioception-only policyに力フィードバックを導入する点が新しい。

- proprioception-onlyのbase policyを凍結し、残りの指を制御。 - 人間オペレータが選択した指の接触失敗をcompliant control下で物理的に修正。 - rolloutはbase policy実行、人間修正指運動、fingertip force観測を組み合わせる。 - これらのrolloutからforce-informed targetsを再構成し、behavior cloningでstandalone force-conditioned policyを訓練。

- 実機上でcontact-richな2つのdexterous manipulationタスクで評価。 - Object Flippingの成功率がsim-to-real転移base policyの14%から86%に向上（2物体）。 - Screwdriver Rotationの平均進捗が26.0%から95.3%に向上（3物体）。

- 要旨からは、人間の修正負担の定量的評価や、他のタスクへの汎化性、失敗事例に関する議論は不明。 - 提案手法の限界や、force-conditioned policyの学習に必要なデータ量などは要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、sim-to-real transfer、behavior cloning、compliant control、tactile feedbackを用いたdexterous manipulationの定番研究（例: domain randomization, teacher-student distillation, residual policy learning）を挙げる。