搜索结果

中期训练语料约 30,110 小时、22 个机器人平台，真实与仿真比例约 84:16；四步蒸馏后官方测得约 10.1 FPS，最长展示约 105 秒的连贯回滚；在 WorldSimProbe 上对五个开源动作条件世界模型领先五项中的四项，均分 66.6；EWMBench 总分 6.09；八个不同水平的 OpenVLA-OFT 策略在 PrimeSim 与 LIBERO 物理模拟器中的成功率 Spearman ρ=1.00、Pearson r=0.99；在 PrimeSim 内做 200 步 GRPO 后，策略在物理模拟器中的成功率从 61.7% 升至 73.2%；作者称将发布权重与代码

杂乱场景中的灵巧抓取长期受制于数据稀缺：真实世界难以大规模采集带标注的抓取数据，灵巧手的高自由度又让问题更难。DexGraspNet 2.0 要回答的正是，能否用大规模合成数据支撑生成式灵巧抓取，并让模型从仿真走到真实杂乱场景。

仿真到现实强化学习技术的开发、部署及其在能源系统中的应用

融合深度学习、空间计算与物理仿真的数字心脏病学

SHOES：基于在线策略技能扩展的足式机器人仿真到现实硬件适配

LoopSR：仿真与现实循环的足式机器人终身策略适应

弥合差距：面向多种足式机器人的系统化仿真到现实迁移

UC Berkeley 官方技术报告——HumanoidBench：人形机器人全身运动与操作仿真基准

CMU / NVIDIA 官方技术报告——ASAP：对齐仿真与真实物理以学习敏捷的人形机器人全身技能

数据驱动方法让机器人学习取得了明显进展，但把在仿真里训练好的策略直接搬到真实机器上仍然困难，在极端工况下尤其如此。四旋翼飞行器是个典型例子：竞速、国防系统、安全关键的避障都要求快速机动，而控制延迟、状态估计误差、电池电压波动这些真实世界约束会损害轨迹的可靠性，即便飞行器严格符合理想动力学。