实体
Real2Sim2Real
Real2Sim2Real
PulseAugur coverage of Real2Sim2Real — every cluster mentioning Real2Sim2Real across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AtomicRL框架通过VLA模型提升机器人操作能力
研究人员推出了一种新颖的强化学习框架AtomicRL，旨在提高视觉-语言-动作（VLA）模型在复杂、长时程机器人操作任务中的性能。该框架通过采用语义感知策略优化（SAPO）来防止任务边界间的信用污染，并通过瓶颈自适应目标探索（BATE）来聚焦学习未充分发展的子任务，从而解决了信用分配和子任务掌握方面的挑战。该系统还整合了Real2Sim2Real流水线，以实现从模拟到物理机器人的有效迁移，并在LIBERO-Long和CALVIN AB…
-
新的人形-OmniOcc数据集增强了机器人的占用预测能力
研究人员推出了Humanoid-OmniOcc，一个旨在提高人形机器人占用预测能力的新数据集。该数据集解决了现有数据集的局限性，这些数据集通常偏向于自动驾驶场景。Humanoid-OmniOcc采用Real2Sim2Real范式，利用真实的传感器规格指导模拟，然后在真实世界数据上评估在模拟中训练的模型。该数据集包括一个提出的人形环绕立体引导占用模型，该模型利用深度先验来增强2D到3D的提升，在模拟和真实世界环境中都表现出强大的性能。