Falten lernen: preisgekrönte Lösung bei der LeHome Challenge 2026 (1. Platz online, 2. Platz offline)

Zusammenfassung

Ich beschreibe meine Lösung für die LeHome Challenge 2026, einen Wettbewerb des ICRA 2026 zum beidhändigen Kleidungsfalten. Das System belegte in der Online-Runde (Simulation) den 1. Platz von 62 Teams und im realen Finale den 2. Platz. Es verbessert eine Vision-Sprache-Aktion (VLA)-Politik durch eine Verstärkungslernschleife. Die Politik fungiert als ihre eigene Wertfunktion: Dasselbe Netzwerk, das Aktionen vorhersagt, sagt auch Erfolg, Fortschritt und einige aufgabenrelevante zukünftige Größen voraus, und diese Vorhersagen treiben die Vorteilsschätzung, die Live-Fehlererkennung und die Kandidatenauswahl an. Die Arbeit kombiniert hauptsächlich bestehende RL-Ideen mit ingenieurtechnischen und optimierenden Beiträgen, die entweder gemeinsam als ein Rezept oder einzeln verwendet werden können: AWR + RECAP kombiniert für Flussabgleich-VLA; eine asynchrone, verteilte Trainings-/Rollout-Pipeline über den HuggingFace Hub; Optimierung der Hyperparameter zur Inferenzzeit mittels Thompson-Stichprobenverfahren; ein Sim-to-Real-Rezept mit Kamera-Ausrichtungswerkzeugen, starker Datenaugmentierung und DAgger-ähnlicher HIL-Datenerfassung.

English

I describe my solution to the LeHome Challenge 2026, an ICRA 2026 competition on bimanual garment folding. The system placed 1st of 62 teams in the online (simulation) round and 2nd in the real-world final. It improves a vision-language-action (VLA) policy with a reinforcement-learning loop. The policy is its own value function: the same network that predicts actions also predicts success, progress, and a few task-relevant future quantities, and those predictions drive advantage estimation, live failure detection, and candidate selection. The work mostly recombines existing RL ideas with engineering and optimization contributions that can be used together as one recipe or individually: AWR + RECAP combined for flow-matching VLA; an asynchronous distributed training / rollout pipeline through HuggingFace Hub; inference-time hyperparameters optimization via Thompson sampling; a sim-to-real recipe with camera-alignment tooling, heavy augmentation and DAgger-like HIL data collection.