研究人员开发了 DexSim2Real，这是一个新的框架，利用基础模型来改进机器人操作技能从仿真到真实世界的迁移。该系统包含一个视觉-语言模型来指导域随机化，一个用于零样本适应的触觉-视觉策略，以及一个用于渐进式技能学习的课程。实验表明，DexSim2Real 在真实世界任务中取得了 78.2% 的成功率，显著缩小了仿真和实际机器人操作之间的性能差距。 AI
影响 通过提高真实世界的性能，增强了仿真机器人训练的实际应用。
排序理由 发表了一篇学术论文，详细介绍了新框架和实验结果。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.05241v1 Announce Type: cross Abstract: Sim-to-real transfer remains a critical bottleneck for deploying dexterous manipulation policies learned in simulation to real-world robots. Existing approaches rely on manually designed domain randomization or task-specific adapt…
Sim-to-real transfer remains a critical bottleneck for deploying dexterous manipulation policies learned in simulation to real-world robots. Existing approaches rely on manually designed domain randomization or task-specific adaptation, limiting their generalizability across dive…