Les chercheurs ont présenté VAIC (Contrôle d'Interaction d'Interaction Agile Guidé par Vision), un cadre unifié permettant aux robots humanoïdes d'effectuer diverses tâches dynamiques dans des environnements réels non structurés.
L'innovation centrale réside dans le paradigme de distillation en deux étapes de VAIC. Premièrement, une politique d'enseignant privilégiée maîtrise diverses compétences d'interaction en utilisant une cinématique d'objets précise et des états environnementaux exacts. Deuxièmement, une politique d'étudiant déployable distille ces capacités en remplaçant le suivi corporel complet par des objectifs de vitesse sur plusieurs axes et un indicateur d'interaction pour chaque image.
La clé du succès du système est son module d'adaptation d'objets récurrent, qui infère implicitement la dynamique des objets non observables à partir de flux de profondeur bruts et de proprioception.
Les évaluations dans le monde réel démontrent qu'une seule politique VAIC exécute avec succès des tâches dynamiques très diverses, surclassant constamment les approches de référence.
