Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?
作者: Tyler Ga Wei Lum, Kushal Kedia, C. Karen Liu, Jeannette Bohg · CoRL 2026
授權條款
依 arXiv 的授權條款，以下內容僅依據摘要撰寫。
為何重要
多指手的精密組裝一直難以實現：它涉及大量接觸，使示範難以蒐集；獎勵稀疏，又使直接以強化學習進行探索難以處理。作者報告一種經遊玩預訓練的先驗，其樣本效率比從零開始訓練高 33 倍，並在零樣本模擬到現實遷移中，於間隙 0.5 mm 的插入任務上達到 60% 的成功率。
提出的方法
Play2Perfect 透過在多樣的物體與目標上遊玩，預訓練一個與任務無關的策略，學習抓取、手內重新定向與姿態到達等可重複使用的先驗，接著在精密組裝上對其進行微調，使探索集中於最後的高精度接觸。作者將物體多樣性、訓練目標函數、軌跡多樣性與目標精度作為設計選擇加以研究。
摘要
多指機器人可望擁有人手的速度與靈巧，但精密組裝這類難題一直無法做到。這類任務接觸密集，讓模仿學習的資料收集十分困難；獎勵又很稀疏，使得直接以強化學習（RL）探索幾乎不可行。因此，過去的研究是靠專用夾爪、工具附件和環境中的治具來簡化問題，才有所進展。在這項研究中，我們主張機器人在把精密組裝做到完美之前，必須先學會玩。我們進一步提問：在學習玩的過程中，哪些因素對精密組裝真正重要？我們提出 Play2Perfect，這是一套 RL 框架：先透過與多樣物件和目標的把玩，進行與任務無關的預訓練，再於精密組裝上精進。把玩的目的在於取得可重複使用的操作先驗，例如抓取、手內重新定向與到達目標姿態。接著的微調會把這個通用先驗調整到組裝上，把探索集中在成功所需的最後一段接觸密集、高精度的互動。我們系統性地研究把玩預訓練中的關鍵設計選擇，包括物件多樣性、訓練目標、軌跡多樣性與目標精度。結果顯示，即使從頭開始的 RL 訓練拿到稠密的多階段獎勵，我們的先驗在樣本效率上仍高出 33 倍。我們展示了零樣本的模擬到現實（Sim-to-Real）轉移：在接觸間隙僅 0.5 mm 的緊配合插入上達到 60% 成功率，在長時程的多零件組裝與鎖螺絲上成功率超過 50%。
連結
- arXiv 2606.26428: https://arxiv.org/abs/2606.26428
- PDF: https://arxiv.org/pdf/2606.26428
- 程式碼: https://github.com/kushal2000/play2perfect
- 專案頁面: https://play2perfect.github.io/