dexterous in-hand manipulation with learned world models中級
指導付きの「遊び」から器用さを学ぶ(Dexterity from Supervised Play)
アマゾンのフロンティアAI・ロボティクス部門によるこのプレプリントは、人がデータグローブを着けて目的なく立方体をいじる約15分の記録だけで、多指ロボットハンドが自ら学習データを集め、立方体を任意の姿勢に回せるようになることを示した。シミュレーションで目標0.6ラジアン以内の到達率は91.4%で、同等の性能に標準的な強化学習は約490倍の試行を要した。