AI agent 生成机器人训练场景
MIT News AI · rss · 2026-07-14
MIT CSAIL 和 Toyota Research Institute 提出 **SceneSmith**：让多个 AI agent 协作生成适合机器人训练的 3D 虚拟场景，用来缓解机器人数据不足的问题。 ### 主要思路 - 用三个 agent 分工：设计、评审、协调，逐步搭建室内场景。 - 场景比以往方法更丰富，单个场景里物体数量最多可达此前方法的 6 倍。 - 生成出来的环境可以直接接入物理仿真，用于机器人任务测试和策略评估。 ### 实验结果 - 研究者生成了 1300+ 场景，并在其中测试机器人动作策略。 - 人类和模型对“策略是否失败”的判断一致率超过 99%。 - 还把预训练机器人策略放进这些场景里做验证，说明生成的环境不只是看起来像，物理交互也能成立。 ### 代价与局限 - 生成一个场景可能要花数小时，速度是目前主要代价。 - 团队后续希望扩展到更多可变形物体。