Right-Side-Out：学习零样本 Sim-to-Real 服装翻转
机器人学
2026-02-09 v2
摘要
将服装翻回正面是一项具有挑战性的操作任务：它具有高度动态性，涉及快速的接触变化，并受到严重的视觉遮挡。我们提出了 Right-Side-Out，一个通过利用任务结构有效解决这一挑战的零样本 sim-to-real 框架。我们将该任务分解为 Drag/Fling（拖拽/抛甩）以创建并稳定进入开口，随后进行 Insert&Pull（插入并拉扯）以翻转服装。每个步骤均使用由深度推断、关键点参数化的双臂基元，这极大地缩减了动作空间同时保持了鲁棒性。通过我们定制的高保真、GPU 并行物质点法（MPM）模拟器实现了高效的数据生成，该模拟器对薄壳变形进行建模，并为批量 rollout 提供鲁棒且高效的接触处理。基于该模拟器，我们的全自动流水线通过对服装几何形状、材料参数和视角进行随机化来扩展数据生成，无需任何人工标注即可生成深度图、掩码和每个基元的关键点标签。仅使用单个深度相机，完全在仿真中训练的策略即可零样本部署到真实硬件上，成功率达到 81.3%。通过采用任务分解和高保真仿真，我们的框架能够在无需费力的人工演示的情况下应对高度动态、严重遮挡的任务。
引用
@article{arxiv.2509.15953,
title = {Right-Side-Out: Learning Zero-Shot Sim-to-Real Garment Reversal},
author = {Chang Yu and Siyu Ma and Wenxin Du and Zeshun Zong and Han Xue and Wendi Chen and Cewu Lu and Yin Yang and Xuchen Han and Joseph Masterjohn and Alejandro Castro and Chenfanfu Jiang},
journal= {arXiv preprint arXiv:2509.15953},
year = {2026}
}
备注
More details and supplementary material are on the website: https://right-side-out.github.io