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
许可协议
根据 arXiv 的许可协议，以下内容仅依据摘要撰写。
为何重要
多指手的精密装配一直难以实现：它接触丰富，使示范难以收集；奖励稀疏，又使直接用强化学习进行探索难以处理。作者报告了一种经玩耍预训练的先验，其样本效率比从零开始训练高 33 倍，并在零样本仿真到现实迁移中，在间隙为 0.5 mm 的插装任务上达到 60% 的成功率。
提出的方法
Play2Perfect 通过在多样的物体和目标上进行玩耍，预训练一个与任务无关的策略，学习抓取、手内重定向和位姿到达等可复用的先验，然后在精密装配上对其进行微调，使探索集中在最后的高精度接触上。作者将物体多样性、训练目标函数、轨迹多样性和目标精度作为设计选择进行研究。
摘要
多指机器人有望拥有人手般的速度与灵巧，但精密装配这类难题一直力所不及。这些任务接触密集，使模仿学习的数据采集十分困难；同时奖励稀疏，使直接用强化学习（RL）进行探索难以实现。因此，以往的工作借助专用夹爪、工具附件和环境中的工装夹具来简化问题，从而取得进展。在这项工作中，我们认为机器人在把精密装配做到完美之前，必须先学会玩耍。我们进一步提出问题：在学习玩耍的过程中，哪些因素对精密装配至关重要？我们提出 Play2Perfect，这是一个 RL 框架：先通过与多样物体和目标的玩耍进行与任务无关的预训练，再在精密装配上加以完善。玩耍的目标是获得可复用的操作先验，例如抓取、手内重定向和到达目标位姿。随后的微调把这一通用先验适配到装配上，将探索集中在成功所需的最后那段接触密集、高精度的交互上。我们系统研究了玩耍预训练中的关键设计选择，包括物体多样性、训练目标、轨迹多样性和目标精度。我们表明，即使从零开始的 RL 训练得到了稠密的多阶段奖励，我们的先验在样本效率上仍高出 33 倍。我们实现了零样本的仿真到现实迁移：在接触间隙仅 0.5 mm 的紧配合插装上成功率达 60%，在长时程的多零件装配和拧螺纹上成功率超过 50%。
链接
- arXiv 2606.26428: https://arxiv.org/abs/2606.26428
- PDF: https://arxiv.org/pdf/2606.26428
- 代码: https://github.com/kushal2000/play2perfect
- 项目主页: https://play2perfect.github.io/