Aprendendo a Dobrar: solução vencedora no LeHome Challenge 2026 (1º lugar online, 2º lugar offline)

Resumo

Descrevo minha solução para o LeHome Challenge 2026, uma competição da ICRA 2026 sobre dobragem bimanual de peças de vestuário. O sistema ficou em 1º lugar entre 62 equipes na rodada online (simulação) e em 2º lugar na final no mundo real. Ele melhora uma política visão-linguagem-ação (VLA) com um loop de aprendizado por reforço. A política é sua própria função de valor: a mesma rede que prevê ações também prevê sucesso, progresso e algumas quantidades futuras relevantes para a tarefa, e essas previsões orientam a estimativa de vantagem, detecção de falhas em tempo real e seleção de candidatos. O trabalho combina principalmente ideias existentes de RL com contribuições de engenharia e otimização que podem ser usadas juntas como uma receita ou individualmente: AWR + RECAP combinados para VLA de correspondência de fluxo; um pipeline assíncrono de treinamento distribuído/rollout através do HuggingFace Hub; otimização de hiperparâmetros em tempo de inferência via amostragem de Thompson; uma receita de sim-para-real com ferramentas de alinhamento de câmera, aumento pesado de dados e coleta de dados HIL do 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.