Play2Perfect 获 CoRL 2026 接收:先玩后精修,零样本迁移到真实装配

leto__jean · x · 2026-09-11

斯坦福团队的 Play2Perfect 被 CoRL 2026 接收,并上线了可在浏览器运行的 MuJoCo 交互 demo。核心是两阶段 RL 管线:先让机械臂在自由空间「玩」多样物体,积累可复用的操作先验,再用稀疏奖励微调到接触密集的精密装配任务(拧螺丝、紧配合插入、真实尺寸插头/叉子插入),实现 Isaac Sim 到 MuJoCo 的零样本 sim-to-sim 迁移与 sim-to-real。系统研究四个预训练设计选择后发现:迫使机器人用手指在手中 manipulate 物体,预训练迁移效果最好;而手搓密集奖励的从零训练几乎停滞在零。团队还用 Claude Opus 5 从零生成了 2 个新环境与资产,同一套 RL 训练代码无需修改即可复用。60Hz 控制的策略反应极快,慢放才能看到微恢复动作。