Aprendiendo a doblar: solución galardonada en el LeHome Challenge 2026 (1.er puesto en línea, 2.º puesto fuera de línea)

Resumen

Describo mi solución para el LeHome Challenge 2026, una competición de la ICRA 2026 sobre plegado de prendas bimanual. El sistema obtuvo el 1.er puesto de 62 equipos en la ronda en línea (simulación) y el 2.º puesto en la final con el robot real. Mejora una política visión-lenguaje-acción (VLA) con un bucle de aprendizaje por refuerzo. La política actúa como su propia función de valor: la misma red que predice acciones también predice el éxito, el progreso y algunas cantidades futuras relevantes para la tarea, y dichas predicciones impulsan la estimación de ventaja, la detección de fallos en tiempo real y la selección de candidatos. El trabajo combina principalmente ideas existentes de RL con contribuciones de ingeniería y optimización que pueden usarse juntas como receta única o de forma individual: AWR + RECAP combinados para VLA con flujo matching; un pipeline asíncrono de entrenamiento distribuido y despliegue a través de HuggingFace Hub; optimización de hiperparámetros en tiempo de inferencia mediante muestreo de Thompson; y una receta de simulación a realidad con herramientas de alineación de cámaras, aumentación intensiva y recopilación de datos HIL (humano en el bucle) tipo DAgger.

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.