Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?
著者: Tyler Ga Wei Lum, Kushal Kedia, C. Karen Liu, Jeannette Bohg · CoRL 2026
ライセンス
- オープンアクセス
- 論文: arXiv.org perpetual, non-exclusive license 1.0
arXivのライセンスに従い、以下の内容はすべてアブストラクトのみから書かれています。
重要な理由
多指ハンドによる精密組立は、接触が多いためデモンストレーションの収集が難しく、報酬が疎であるため強化学習による直接の探索が困難であることから、手の届かないままだった。著者らは、プレイで事前学習した事前知識が、ゼロから学習する場合と比べてサンプル効率が33倍高く、ゼロショットのSim-to-Real転移においてクリアランス0.5 mmの挿入で60%の成功率に達したと報告している。
提案手法
Play2Perfectは、多様な物体とゴールを用いたプレイによってタスクに依存しないポリシーを事前学習し、把持、手内での再配向、姿勢への到達といった再利用可能な事前知識を獲得したうえで、精密組立でファインチューニングし、探索が最後の高精度な接触に集中するようにする。著者らは、物体の多様性、学習の目的関数、軌道の多様性、ゴールの精度を設計上の選択肢として調べている。
概要
多指ロボットは人間の手のような速さと器用さを約束しますが、精密組立のような難しい問題には手が届かないままでした。これらのタスクは接触が多いため模倣学習のためのデータ収集が難しく、報酬が疎なため強化学習（RL）による直接の探索は現実的ではありません。そのため従来研究は、専用のグリッパー、ツールアタッチメント、環境側の治具で問題を構造化することで進歩してきました。本研究では、ロボットが精密組立を完璧にこなす前に、まず遊ぶことを学ばなければならないと主張します。さらに、遊びを学ぶ過程のどの要素が精密組立にとって重要なのかを問います。私たちは Play2Perfect を提案します。多様な物体と目標を相手にした遊びによってタスクに依存しない事前学習を行い、それを精密組立で仕上げる RL フレームワークです。遊びの目的は、把持、手の中での持ち替え、姿勢への到達といった再利用可能な操作の事前知識を獲得することです。続く微調整でこの汎用的な事前知識を組立に適応させ、成功に必要な最後の接触の多い高精度なやり取りに探索を集中させます。遊びによる事前学習の主要な設計上の選択として、物体の多様性、学習目標、軌道の多様性、目標精度を体系的に調べます。私たちの事前知識は、密な多段階報酬を与えた場合でも、ゼロからの RL 学習より 33 倍サンプル効率が高いことを示します。また、ゼロショットのシミュレーションから実機への転移を実証し、接触すき間がわずか 0.5 mm のきつい挿入で 60% の成功率、長いホライズンの複数部品組立とねじ込みで 50% を超える成功率を達成しました。
リンク
- arXiv 2606.26428: https://arxiv.org/abs/2606.26428
- PDF: https://arxiv.org/pdf/2606.26428
- コード: https://github.com/kushal2000/play2perfect
- プロジェクトページ: https://play2perfect.github.io/