AdaDexGrasp est un framework qui apprend efficacement des techniques de préhension avancées à partir de démonstrations humaines limitées et les applique de manière adaptative en fonction des instructions de l'utilisateur. Il apprend plusieurs techniques de préhension à partir d'une seule démonstration humaine et sélectionne la technique la plus appropriée grâce à un modèle vision-langage (VLM). Pour optimiser l'efficacité des échantillons, il propose une récompense par suivi de trajectoire qui guide l'apprentissage par renforcement (RL) vers un état plus proche des démonstrations humaines. Il apprend également au-delà d'une seule démonstration grâce à l'apprentissage par programme, ce qui augmente progressivement le nombre de variations de pose des objets. Lors du déploiement, le VLM recherche les techniques appropriées en fonction des instructions de l'utilisateur, reliant les techniques d'apprentissage de bas niveau à l'intention de haut niveau. Les évaluations en simulation et en environnement réel démontrent qu'il améliore significativement l'efficacité de l'RL et permet l'apprentissage de stratégies de préhension de type humain dans diverses configurations d'objets. Le transfert instantané de la stratégie apprise vers la main PSYONIC Ability Hand réelle atteint un taux de réussite de 90 % sur les objets, dépassant largement la référence.
