Sim-to-Real Transfer for Autonomous Navigation
PulseAugur coverage of Sim-to-Real Transfer for Autonomous Navigation — every cluster mentioning Sim-to-Real Transfer for Autonomous Navigation across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ASU教授称LLM Agent面临“模拟到现实”鸿沟，重蹈强化学习覆辙
亚利桑那州立大学助理教授魏华认为，当前大型语言模型（LLM）Agent在实际应用中面临的挑战，与传统强化学习（RL）中遇到的“模拟到现实”（sim-to-real）鸿沟相似。他强调了语言泛化困难以及从模拟环境转向复杂物理世界时决策失败等问题。魏提出将机器人学中的“域随机化”（domain randomization）等技术应用于LLM Agent，并通过在提示（prompts）和动作空间（action spaces）中引入扰动，证明即…
-
机器人研究在跨具身技能迁移方面取得进展 · 跟踪4个来源
研究人员开发了新的方法来改进机器人领域的跨具身迁移，使模型能够将在不同机器人形态上学习到的操作技能进行泛化。一种方法，“通过行为对齐表示进行跨具身迁移”，利用了视觉语言动作（VLA）模型中的末端执行器轨迹等表示，在模拟到现实的迁移中显示出28%的改进。另一种方法，“ContactFlow”，引入了一种基于3D接触点轨迹的具身无关动作表示，该表示允许在多样化的人类和机器人交互数据上训练世界模型，并展示了在不同机器人具身之间的成功迁移。
-
新的强化学习框架提升了四旋翼飞行器在拥挤环境中的安全性
研究人员开发了一个新的强化学习框架，旨在提高四旋翼飞行器在拥挤和动态环境中的导航安全性。该方法通过构建基于最近点接近（CPA）的未来碰撞风险图来预测碰撞风险。该框架使用时空编码器从深度序列中提取运动线索，使策略能够自我预测并利用此风险信息实现更安全的飞行。在模拟和实际四旋翼飞行器上的实验证明了其安全裕度和飞行效率的提高，以及强大的零样本仿真到现实迁移能力。
-
机器人公司MoSense完成触觉感知系统融资
专注于全身体感技术的机器人公司MoSense已获得数千万元天使轮融资。本轮融资由红杉中国、高榕资本和智元机器人领投，将用于加速研发、团队扩张和生产测试。MoSense的MoSkin系统采用电磁超材料技术，为机器人全身提供全面、多模态的触觉反馈，解决了人形机器人在复杂现实场景中部署的关键瓶颈。该技术旨在通过提供机器人对物理环境交互的更完整理解，来弥合仿真到现实的差距。
-
高德具身AI模型赢得全球机器人挑战赛
高德（AutoNavi）与中国科学院自动化研究所的团队赢得了与ICRA 2026机器人会议同期举行的AGIBot世界挑战赛。他们的ABot-NeoVerse模型是高德全栈具身AI系统的一部分，在世界模型赛道上取得了最高分，超越了其他150个全球团队。此次胜利凸显了高德在具身智能方面的进展，特别是他们生成合成训练数据以克服机器人真实世界数据稀缺问题的方法。