Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)
Dieses Paper präsentiert ein preisgekröntes bimanuales Kleidungsfaltungssystem für die LeHome Challenge 2026, das Spitzenplatzierungen erreicht, indem es eine Vision-Language-Action-Policy durch eine selbstüberwachte Reinforcement-Learning-Schleife verbessert, bei der die eigenen Vorhersagen der Policy über Erfolg und Fortschritt die Schätzung des Vorteils (Advantage Estimation) und die Fehlererkennung steuern, unterstützt durch eine umfassende Suite an Engineering-Optimierungen einschließlich Flow-Matching, verteiltem Training und robustem Sim-to-Real-Transfer.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich einen Roboter vor, der versucht, ein unordentliches T-Shirt oder eine Hose zu falten. Für uns klingt das einfach, aber für einen Roboter ist ein Stück Stoff wie eine chaotische, rutschige Schlange, die bei jeder Berührung ihre Form verändert. Dieses Paper beschreibt, wie der Autor, Ilia Larchenko, ein „Robotergehirn“ gebaut hat, das bei einem Simulationswettbewerb den ersten Platz und bei einem Realwelt-Wettbewerb den zweiten Platz für genau diese Aufgabe gewann.
Hier ist die Geschichte, wie er es geschafft hat, aufgeschlüsselt in einfache Konzepte.
1. Das Problem: Der „Geist“ in der Maschine
Der Roboter musste vier Arten von Kleidung falten (langärmlig/kurzärmlig, lange/kurze Hosen) mit zwei Armen.
- Die Hürde: Der Roboter wusste nicht, was er gerade in den Händen hielt. Er musste das Shirt erst betrachten und herausfinden: „Ist das ein T-Shirt oder eine Hose?“, bevor er mit dem Falten beginnen konnte.
- Die Belohnung: Der Roboter erhielt nur dann ein „Goldsternchen“ (eine Belohnung), wenn das Shirt am Ende perfekt gefaltet war. Wenn er auf halbem Weg Fehler machte, bekam er gar nichts. Das ist wie der Versuch, Fahrradfahren zu lernen, aber man bekommt erst dann einen Keks, wenn man das Ziel erreicht hat, ohne jemals gestürzt zu sein.
2. Die Lösung: Ein „Selbstlernender“ Kreislauf
Anstatt nur menschliche Demonstrationen zu kopieren (was so ist, als würde man versuchen, Schwimmen zu lernen, indem man ein Video schaut), baute der Autor ein System, das durch Tun, Scheitern und erneutes Versuchen lernt. Er nennt dies ein „Flywheel“ (Schwungrad).
Denken Sie an ein dreiköpfiges Team in einer Fabrik:
- Der Trainer: Der Lehrer, der die Daten studiert und das Gehirn des Roboters aktualisiert.
- Die Runner (Läufer): Eine Flotte von Robotern in einem Videospiel (Simulation), die tausende Male am Tag versuchen, Kleidung zu falten.
- Der menschliche Helfer: Eine Person, die nur einspringt, wenn der Roboter feststeckt, das Kleidungsstück richtet und den Roboter dann erneut versuchen lässt.
Diese drei kommunizieren nicht direkt miteinander; sie hinterlassen lediglich Notizen in einem gemeinsamen digitalen Postfach (HuggingFace Hub). Der Trainer liest die Notizen, lernt daraus und wirft ein neues „Gehirn-Update“ zurück in den Kasten. Die Runner nehmen es auf und versuchen es erneut.
3. Die Geheimzutat: Der Roboter ist sein eigener Punktezähler
Normalerweise benötigt man in der Robotik ein Gehirn, um zu entscheiden, was zu tun ist, und ein separates Gehirn, um einzuschätzen, wie gut man es macht. Dieser Autor hat beides verschmolzen.
- Der Magietrick: Dasselbe neuronale Netzwerk, das entscheidet „Greife den Ärmel“, sagt auch voraus: „Ich stehe zu 80 % kurz vor dem Erfolg“ und „Ich bin zu 40 % fertig“.
- Warum das hilft: Weil der Roboter seinen eigenen Punktestand in Echtzeit kennt, kann er schneller lernen. Wenn er vorhersagt, dass er scheitern wird, weiß er, dass er eine andere Bewegung ausprobieren muss. Es ist wie ein Schüler, der nicht nur die Prüfung schreibt, sondern auch seine Antworten sofort selbst bewertet, um zu sehen, wo er Fehler gemacht hat.
4. Lernen aus Fehlern (Die „Replay“-Strategie)
Der Autor stellte fest, dass bloßes Üben langweilig ist. Man muss die schwierigen Teile üben.
- Hard Mining: Wenn der Roboter scheitert, speichert das System genau diesen Moment (wie ein „Save State“ in einem Videospiel). Dann lädt es diesen gescheiterten Zustand und versucht es erneut, aber diesmal mit zusätzlichem „Rauschen“ (zufälligen Änderungen in der Beleuchtung oder der Textur des Stoffes), um es schwieriger zu machen.
- Der menschliche Touch: Wenn der Roboter wirklich feststeckt, übernimmt der Mensch für nur wenige Sekunden, um das Kleidungsstück zu richten, und übergibt dann die Kontrolle zurück. Der Roboter lernt aus dieser winzigen Korrektur. Dies wird DAgger genannt (ein schicker Name für „Lernen aus menschlichen Korrekturen“).
5. Die „Magische Brille“ (Inferenz-Optimierung)
Selbst mit einem smarten Gehirn kann ein Roboter tollpatschig sein, wenn er sich zu schnell oder zu langsam bewegt. Der Autor fand heraus, dass die Leistung massiv anstieg, wenn er die Art und Weise optimierte, wie der Roboter im allerletzten Moment „denkt“.
- Die Analogie: Stellen Sie sich vor, Sie machen einen Multiple-Choice-Test. Anstatt einfach die erste Antwort zu wählen, die Ihnen in den Sinn kommt, generieren Sie kurz drei verschiedene Antworten in Ihrem Kopf, prüfen, welche sich bas nach Ihrem Bauchgefühl „am besten“ anfühlt (der Score), und wählen dann diese aus.
- Thompson Sampling: Der Autor nutzte ein mathematisches Spiel (ähn heavy einem Spielautomaten), um automatisch die perfekten Einstellungen für jede Art von Shirt zu finden (z. B. „Bei Shorts: Bewege dich langsamer; bei langen Hosen: Greife fester zu“), ohne jede Kombination manuell testen zu müssen.
6. Die Realwelt-Herausforderung: Vom Videospiel zur Realität
Der schwierigste Teil war der Übergang von der Computersimulation zum echten Roboter in einem echten Raum.
- Das „Uncanny Valley“ der Physik: In der Simulation sahen die Kleider perfekt aus. In der Realität war die Beleuchtung anders, die Kamera stand etwas schief und die Roboterarme hatten ein wenig „Spielraum“ (Backlash).
- Die Lösung: Der Autor versuchte nicht, den Roboter perfekt zu machen. Stattdessen machte er die Trainingsdaten chaotisch. Er brachte dem Roboter bei, Kleidung im Dunkeln, in hellem Sonnenlicht, mit schiefer Kamera und mit unterschiedlichen Geschwindigkeiten zu falten.
- Das Ergebnis: Indem er den Roboter darauf trainierte, mit dem Chaos vertraut zu sein, geriet er nicht in Panik, als er die echte Welt sah. Es war, als würde man einen Surfer im stürmischen Ozean trainieren, damit sich ein ruhiger Strand wie ein Kinderspiel anfühlt.
7. Das Ergebnis
- Simulation: Der Roboter faltete die Kleidung in 79,6 % der Fälle erfolgreich und schlug damit 61 andere Teams.
- Realwelt: Er belegte den 2. Platz im Endwettbewerb und faltete erfolgreich echte Kleidung auf einem echten Roboter.
Die große Lektion
Der Autor gibt zu, dass dies kein perfektes wissenschaftliches Experiment mit kontrollierten Variablen war. Es war ein „Alles-in-den-Topf“-Ansatz (Kitchen Sink Approach) – er warf jedes nützliche Werkzeug (Reinforcement Learning, menschliches Feedback, massives Data Augmentation und kluges Raten) in den Topf, bis es funktionierte.
Die wichtigste Erkenntnis ist: Damit Roboter mit unordentlichen, unvorhersehbaren Dingen wie Kleidung umgehen können, müssen sie in der Lage sein, ihren eigenen Erfolg vorherzusagen, aus menschlichen Korrekturen zu lernen und in chaotischen, vielfältigen Umgebungen trainiert zu werden, damit sie nicht verwirrt sind, wenn die Realität nicht so aussieht wie das Videospiel.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.