CMU卡内基梅隆大学「软体机器人动态手旋转笔」动态的手内操作仍然是软体机器人系统面临的一个挑战，尽管这些系统在安全合规交互中展现了优势，但在高速动态任务中仍然存在困难。在本研究中提出了SWIFT，一个使用软体且符合机器人手的动态任务学习系统。与依赖于仿真、准静态动作和精确物体模型的先前研究不同，所提系统通过试错学习旋转一支钢笔，仅使用现实世界的数据，而无需明确了解钢笔的物理属性。在从现实世界采样的自标记试验中，该系统发现了一个钢笔抓取和旋转的基本参数集合，使得软体手能够稳健且可靠地旋转钢笔。经过每个物体130次采样动作，SWIFT在三支重量和重量分布