La manipulación robótica en un entorno físicamente restringido requiere manipulación compliant. La manipulación compliant es una habilidad de manipulación para ajustar el movimiento de la mano en función de la fuerza impuesta por el entorno. Recientemente, se ha aplicado el aprendizaje por refuerzo (RL) para resolver operaciones domésticas que implican manipulación compliant. Sin embargo, los métodos de RL anteriores se han centrado principalmente en diseñar una política para una operación específica, lo que limita su aplicabilidad y requiere un entrenamiento separado para cada nueva operación. Proponemos una política consciente de las restricciones que es aplicable a varias manipulaciones no vistas agrupando varias manipulaciones en función del tipo de restricción física involucrada. El tipo de restricción física determina la característica de la dirección de la fuerza impuesta; por lo tanto, se entrena una política generalizada en el entorno y se diseña una recompensa en función de esta característica. Este artículo se centra en dos tipos de restricciones físicas: juntas prismáticas y rotativas. Los experimentos demostraron que la misma política podría ejecutar con éxito varias operaciones de manipulación compliant, tanto en la simulación como en la realidad. Creemos que este estudio es el primer paso hacia la realización de un robot doméstico generalizado.