Le projet DexFlyWheel a été proposé en septembre 2025 par l'Université de Pékin, l'Institut de technologie de Harbin et PsiBot, et les résultats de recherche correspondants ont été publiés dans l'article «DexFlyWheel : un cadre de génération de données évolutif et auto-améliorant pour la manipulation dextre", a été sélectionné comme Spotlight par NeurIPS 2025.

DexFlyWheel est un framework de génération de données évolutif qui utilise une boucle d'auto-amélioration pour enrichir continuellement la diversité des données. Ce framework repose sur deux caractéristiques clés : l'apprentissage implicite (IL) et l'apprentissage par renforcement résiduel (RL) pour générer des données diversifiées et proches du comportement humain. Concrètement, l'IL et le RL résiduel, combinés au déroulement de la politique et à l'augmentation des données, forment une boucle d'auto-amélioration. À chaque itération, la politique génère des trajectoires, qui sont ensuite enrichies dans des scénarios de plus en plus diversifiés, puis réinjectées dans l'itération suivante. Cette boucle crée un effet d'entraînement, augmentant progressivement la diversité des données, améliorant les capacités de généralisation de la politique et aboutissant à un agent de génération de données robuste et généralisable.