NestDex：基于辅助遥操作的嵌套策略学习用于灵巧操作

灵巧操作有望显著提升机器人与物理世界交互的丰富性，但其学习过程受限于难以采集一致且完整的任务演示。与平行夹爪操作不同，灵巧任务需要操作员在全程将手臂运动与精确、接触密集的手指行为相协调。为此，研究人员提出嵌套策略学习框架NestDex，借助学习到的手部技能来减轻演示采集负担。操作员仅通过单自由度自由度DoF机器人能独立运动的方向数量；自由度越多，动作通常越灵活，控制也更复杂。◆ 小白科普 · 现身离合器控制手臂并调节当前启用的手部技能，而无需直接指定完整的手指轨迹。内部手部策略根据最新的本体感觉历史调整动作，视觉语言选择器则为各个任务阶段激活相应技能。由此获得的演示用于训练独立的外部视觉运动策略，部署部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身时无需内部策略即可同时控制手臂与手部。手部动作变分自编码器提供紧凑的手部动作目标，同时保留关节关节机器人身上可以转动或弯曲的连接部位。每多一个关节，就多一种动作的可能，也多一份重量、成本和故障点。◆ 小白科普 · 现身空间中的手臂指令。在真实灵巧操作实验中，NestDex提升了演示的可靠性与效率，实验评估支持其可有效实现自主策略学习。