Skill2Real 智能体框架实现零样本 sim2real,真机任务成功率达 78.75%
Xincheng He · hf · 2026-10-05
Skill2Real 是一个智能体策略框架,通过共享机器人 API 学习可执行的技能层级,实现零样本仿真到现实迁移。
- 采用 Proposer-Verifier-Governor(PVG)循环,利用特权仿真证据诊断结果、验证技能更新,同时保持技能锚定在公开观察与 API 语义上。
- 架构分「小脑/大脑」两层:Cerebellum 先习得局部操作技能,Brain 在其冻结后学习任务级组合;两层记忆无需任务策略微调或技能记忆更新即可迁移到真机。
- 数据:GPT-5.6 Sol 在 LIBERO-90 上学技能,用 GPT-6 Astra 评估冻结 checkpoint,将 LIBERO-Pro Long 成功率从 2.0% 提升到 56.3%(未在 Pro Long 上训练);Robosuite 七任务平均成功率 Sol 达 85.1%、Opus 5 达 89.4%;Sol 训练的冻结技能在 4 个真实操作任务上平均完成率 78.75%。
- 消融实验:移除 Verifier 或 Governor 分别使 Pro Long 成功率下降 17.3 和 13.3 个百分点。
「具身」频道最新
- 玩家让 Half-Life: Alyx 原生跑在 Vision Pro 上,无需 PC 和串流 — banteg · 2026-10-05
- 特斯拉 FSD 车队里程破 150 亿英里,一天跑完人类 60 辈子 — XFreeze · 2026-10-05
- 天津大学团队推出仅 3 克、可藏在头发里的非侵入脑机接口 — yogthos · 2026-10-05
- 华为已量产381款τ芯片；现代汽车将部署2.5万台Atlas机器人 — 创业邦 · 2026-10-05
- Asimov 分享 CPO 穿越机器人全栈的历程 — freelerobot · 2026-10-05
- 6 条机械臂齐舞：GPT Image 触发的极限自动化流水线 — tsi_org · 2026-10-05