EmbodiedSmith：递归自我改进飞轮批量生成机器人训练数据
Yikai Qin · hf · 2026-10-07
EmbodiedSmith 提出通过递归自我改进（RSI）在仿真中规模化生成具身数据，解决机器人基础模型训练数据与环境评估的瓶颈。
- 现有流程受限于预定义资产与技能、场景生成与任务生成割裂、复杂本体与物理支持不足；
- 该框架统一资产、场景与任务生成，支持自主创建与语言驱动定制；
- 核心是 agentic 精炼环：场景生成预判下游任务需求，任务生成反过来指导场景定向编辑，二者迭代互相改进，长程任务生成成功率显著提升；
- 支持移动操作臂、人形、灵巧手，以及可变形物体与流体交互；
实验验证了生成数据的质量、多样性与效率，下游策略实验表明数据多样性提升带来更好泛化。
「具身」频道最新
- DiVeR:只在决策关键状态训练验证器,提升 VLA 测试时扩展 — SharonYixuanLi · 2026-10-07
- 百万英里老司机参观 Tesla Semi 工厂:这个行业将被改变 — elonmusk · 2026-10-07
- Attacca:让具身智能体在 Minecraft 长程任务上完成率提升至 7 倍 — nanyang-technological-university-singapore · 2026-10-07
- WING 框架:从人类第一视角视频学机器人操作,LIBERO 成功率 99.2% — hongkongust · 2026-10-07
- 波士顿动力任命前亚马逊高管 Rohit Prasad 为新 CEO — SumitGup · 2026-10-07
- 20 分钟生成可编辑 3D 机器人实验室布局,实测 Illoca 工具 — Stefania_druga · 2026-10-07