両手の器用操作を1方策で追従するDONIC

DONICは、人間のデモから両手の器用な動作を追従する汎用の制御方策で、1つのネットワークで左右の手を制御する。多視点の両手物体操作データセットBiHOI（229物体、1,575シーケンス）も新たに構築し、ロボットハンド向けの参照動作に変換した。学習はPPOと行動模倣を組み合わせ、成功した実行結果をデモとして再利用する。物体中心の手ごとの報酬や、クリップ単位の優位性補正も導入した。微調整なしで、学習物体の未見軌道で86.79%、未見物体で57.32%の成功率となり、既存手法を大きく上回った。評価はIsaac Gymのシミュレーション上である。