Depth Pro und VGGT sind Offline-Lehrermodelle für das Vortraining. Der Code zur Merkmalsextraktion und zum Vortraining steht unter Apache-2.0. Öffentliche Downloads der LSA-Policy-Gewichte und einer vollständigen nachgelagerten Policy sind nicht bestätigt.
In der Simulation kamen Sawyer mit Greifer in MetaWorld (8 Aufgaben), xArm6 mit Allegro Hand in DexArt (2) und die Shadow Hand in MuJoCo Adroit (3) zum Einsatz. Pro Seed wurden die drei besten Checkpoints gemittelt, insgesamt über drei Seeds.
Der reale Versuch nutzte einen Franka Research 3 mit sieben Freiheitsgraden, einen Parallelgreifer mit einem Freiheitsgrad und eine fest montierte RealSense D435i für RGB. Pro Aufgabe gab es 30 Demonstrationen und 10 Versuche. Für vier Aufgaben und zwei unbekannte Handtuchfarben wurden im Mittel 68,3 % Erfolg berichtet. Der visuelle Encoder blieb eingefroren, während der Policy-Kopf per Verhaltensklonen trainiert wurde.
Für das Vortraining nutzt die Studie 20.000 bereinigte DexYCB-Videoclips. Die aufbereiteten Daten stehen unter CC BY-NC 4.0. In der MetaWorld-Analyse über vier Aufgaben im Anhang erreichte die vollständige Methode im Mittel 92,2 % Erfolg.