Real-to-Sim-to-Real:保持功能的形状变形生成零样本机器人操作数据
zhenjun_zhao · x · 2026-09-17
论文提出一个功能保持的 Real-to-Sim-to-Real 框架,从重建资产生成合成演示数据,无需遥操作源轨迹,实现零样本机器人策略部署。
- 问题:机器人数据生成可扩大学习规模,但接触密集任务依赖精确几何接口,标准形状增广常破坏任务关键接口(如配合失配、穿透),导致下游交互不可行。
- 方法:通过约束引导的网格变形增广任务相关物体几何,并物理一致地迁移任务位姿与碰撞代理;仿真 rollout 中叠加视觉域随机化。
- 结果:真实与仿真实验均显示,策略无需真实微调即可零样本泛化到未见物体几何与多样视觉条件,覆盖接触密集与长时程任务。
为接触密集任务的可扩展机器人学习提供了一条基于形状变形的实用路径。
「具身」频道最新
- VLA 模型面临语言用量、评测、部署与因果推理等多重挑战 — abursuc · 2026-09-17
- LADA:用潜动作标注低成本模仿语言功能,拆难题为两步 — abursuc · 2026-09-17
- #ssad2026 演讲附赠 Latent Action Models 入门讲解 — abursuc · 2026-09-17
- FIVE-VLA 用 640M 参数跑驾驶任务，效率达 SimLingo 7.5 倍 — abursuc · 2026-09-17
- ActiveScale:用 1000 小时自我中心数据训练会主动观察的 VLA 机器人 — zhenjun_zhao · 2026-09-17
- Project Kitchen:用 VR 游戏化玩法低成本采集机器人操作数据 — zhenjun_zhao · 2026-09-17