Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?

Autores: Tyler Ga Wei Lum, Kushal Kedia, C. Karen Liu, Jeannette Bohg · CoRL 2026

Licencias

• Acceso abierto
• Artículo: arXiv.org perpetual, non-exclusive license 1.0

Según la licencia de arXiv, todo lo que sigue está escrito solo a partir del resumen.

Por qué importa

El ensamblaje de precisión con manos multidedo ha seguido fuera de alcance porque es rico en contactos, lo que dificulta recopilar demostraciones, y de recompensa dispersa, lo que hace intratable la exploración directa con aprendizaje por refuerzo. Los autores informan de un conocimiento previo preentrenado mediante juego libre que es 33 veces más eficiente en muestras que entrenar desde cero y alcanza un 60 % de éxito en inserciones con una holgura de 0,5 mm en transferencia zero-shot de la simulación a la realidad.

Solución propuesta

Play2Perfect preentrena una política independiente de la tarea mediante juego libre con objetos y metas diversos, aprendiendo conocimientos previos reutilizables como el agarre, la reorientación en la mano y el alcance de poses, y luego la ajusta en ensamblaje de precisión para que la exploración se concentre en los contactos finales de alta precisión. Los autores estudian la diversidad de objetos, el objetivo de entrenamiento, la diversidad de trayectorias y la precisión de las metas como opciones de diseño.

Resumen

Los robots con varios dedos prometen la velocidad y la destreza de las manos humanas, pero problemas difíciles como el ensamblaje de precisión han seguido fuera de su alcance. Estas tareas son ricas en contacto, lo que dificulta la recogida de datos para el aprendizaje por imitación, y de recompensa escasa, lo que hace inviable la exploración directa con aprendizaje por refuerzo (RL). Por ello, los trabajos previos han avanzado estructurando el problema con pinzas especializadas, accesorios de herramienta y utillajes en el entorno. En este trabajo sostenemos que, antes de que un robot pueda perfeccionar el ensamblaje de precisión, primero debe aprender a jugar. Además planteamos la pregunta: ¿qué factores del proceso de aprender a jugar importan para el ensamblaje de precisión? Proponemos Play2Perfect, un marco de RL para el preentrenamiento independiente de la tarea mediante juego con objetos y objetivos diversos, que después se perfecciona en ensamblaje de precisión. El objetivo del juego es adquirir priors de manipulación reutilizables, como agarrar, reorientar en la mano y alcanzar poses. El ajuste fino adapta luego este prior general al ensamblaje y concentra la exploración en las interacciones finales, ricas en contacto y de alta precisión, necesarias para el éxito. Estudiamos de forma sistemática decisiones de diseño clave del preentrenamiento por juego, entre ellas la diversidad de objetos, el objetivo de entrenamiento, la diversidad de trayectorias y la precisión de los objetivos. Mostramos que nuestro prior es 33x más eficiente en muestras que el entrenamiento con RL desde cero, incluso cuando este recibe recompensas densas de varias etapas. Demostramos una transferencia de la simulación a la realidad sin entrenamiento adicional (zero-shot), con un 60 % de éxito en inserciones ajustadas con solo 0,5 mm de holgura de contacto y más de un 50 % de éxito en ensamblaje de varias piezas de horizonte largo y en atornillado.

Enlaces

• arXiv 2606.26428: https://arxiv.org/abs/2606.26428
• PDF: https://arxiv.org/pdf/2606.26428
• Código: https://github.com/kushal2000/play2perfect
• Página del proyecto: https://play2perfect.github.io/