В версии препринта arXiv:2610.19089v1 от 13 октября 2026 года авторы представили DexMimic — метод совместного обучения одной политики для отслеживания движений кисти и объекта по разным человеческим демонстрациям. Для читателя это означает не отдельную модель под каждую траекторию, а попытку распределять обучение между несколькими манипуляциями в одном процессе. Источник: препринт DexMimic на arXiv.
Одна политика для разных демонстраций
DexMimic предназначен для отслеживания движений роботизированной кисти и предмета в разных траекториях взаимодействия человека с объектом. Авторы противопоставляют этот подход физическим методам, которые обучают специализированную политику для каждой отдельной траектории. Общая политика должна использовать разнообразные демонстрации совместно, что связывает обучение разных манипуляций в единую задачу.
Как меняются стартовые состояния
Ключевой компонент метода — Value-Guided Reset Allocation. Во время обучения алгоритм использует оценки критика, чтобы отдавать приоритет недостаточно освоенным фазам демонстрации и выбирать стартовые состояния, из которых отслеживание можно продолжить. Собранный опыт одновременно используют для обновления политики и критика, уточнения кандидатов на сброс и изменения приоритетов фаз. Поэтому для следующих эпизодов меняется не только политика, но и распределение начальных состояний.
Какие числа приводят авторы
Авторы сообщают, что на 50 сложных бимануальных задачах DexMimic достиг успешности 88,40%, а ManipTrans — 56,64%. Проценты относятся к успешным испытаниям в описанном авторами эксперименте; источник не превращает их в независимый рейтинг методов. Там же указано, что среднее время обучения на одну траекторию у DexMimic было меньше в 15,5 раза.
В другом эксперименте авторы сообщают о росте успешности zero-shot на невиданных объектах с 2,00% при совместном обучении на 20 траекториях до 51,65% при наборе из 500 траекторий. Это результат конкретного протокола авторов, а не обещание одинаковой переносимости на любые предметы: доступное описание не раскрывает всех деталей испытаний и их знаменателей.
Что показано на физической платформе
В препринте также заявлена проверка DexMimic на реальной платформе для роботизированных манипуляций. Источник тем самым сообщает о демонстрации метода на физическом оборудовании, но доступный текст не даёт надёжных подробностей условий этой проверки и её численных результатов. Все приведённые в статье показатели относятся к экспериментам авторов; независимых тестов в доступных материалах нет.
