DrEureka

DexSim2Real 利用基础模型弥合机器人仿真到真实世界的差距

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。