arXiv cs.AI· Kushal Kedia, Tyler Ga Wei Lum, Jeannette Bohg, C. Karen Liu·· 10 天前AI 评分33
SimToolReal：面向零样本灵巧工具操作的以物体为中心策略
SimToolReal: An Object-Centric Policy for Zero-Shot Dexterous Tool Manipulation
AI 导读
SimToolReal 通过程序化生成大量工具类物体基元并训练单一 RL 策略，实现测试时无需任何物体或任务特定训练的通用灵巧工具操作。该策略比此前的重定向和固定抓取方法性能高 37%，并达到针对特定目标物体和任务训练的专家 RL 策略水平。在 24 项任务、12 个物体实例、6 类工具的 120 次真实世界 rollout 中，SimToolReal 展现出强零样本泛化能力。
正文 · AI 翻译
摘要：操作工具的能力显著扩展了机器人可执行的任务集合。然而，工具操作代表了一类具有挑战性的灵巧性任务，需要抓取细薄物体、进行手内物体旋转以及施加有力的交互。由于为这些行为收集遥操作数据颇具挑战，仿真到现实的强化学习（RL）是一种有前景的替代方案。然而，先前的方法通常需要大量的工程投入来对物体建模并为每个任务调整奖励函数。在这项工作中，我们提出 SimToolReal，朝着泛化用于工具操作的仿真到现实 RL 策略迈出了一步。我们没有专注于单个物体和任务，而是在仿真中程序化地生成大量类工具物体基元，并以将每个物体操作至随机目标位姿这一通用目标训练单个 RL 策略。这种方法使 SimToolReal 能够在测试时执行通用的灵巧工具操作，而无需任何针对物体或任务的训练。我们证明，SimToolReal 比先前的重定向和固定抓取方法高出 37%，同时与针对特定目标物体和任务训练的专用 RL 策略性能相当。最后，我们表明 SimToolReal 能泛化到各种日常工具，在涵盖 24 个任务、12 个物体实例和 6 个工具类别的 120 次真实世界部署中取得了强大的零样本性能。
| 评论： | 23 页，16 幅图，3 张表。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.16863 [cs.RO] |
| （或 arXiv:2602.16863v3 [cs.RO] 为此版本） | |
| https://doi.org/10.48550/arXiv.2602.16863 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tyler Lum [查看邮箱]
[v1]
2026 年 2 月 18 日星期三 20:42:39 UTC（44,628 KB）
[v2]
2026 年 2 月 24 日星期二 17:10:02 UTC（44,629 KB）
[v3]
2026 年 10 月 6 日星期二 05:50:23 UTC（44,629 KB）
来源：arXiv cs.AI · arxiv.org