@omarrayyann: 介绍FetchMan：一个完全在模拟环境中训练的基于视觉的人形策略，能够零样本迁移到多样化的现实世界场景和对象。
摘要
FetchMan是一个完全在模拟环境中训练的基于视觉的人形策略，能够零样本迁移到多样化的现实世界场景和对象，用于移动操作任务。
介绍FetchMan：一个完全在模拟环境中训练的基于视觉的人形策略，能够零样本迁移到多样化的现实世界场景和对象。
模拟已经产生了令人印象深刻的运动策略，这些策略可以转移到现实世界。我们想看看同样的方法在基于视觉的移动操作方面能走多远。详见下文
查看缓存全文
缓存时间: 2026/08/23 07:43
来看FetchMan：这是一个完全在仿真环境中训练的视觉双足智能体策略，它能零样本迁移到多样化的现实场景与物体中。
仿真技术已能产出令人瞩目的运动控制策略，并成功迁移到真实世界。我们希望探索这套方法在视觉移动操作任务中的潜力——下文将展开更多细节。
相似文章
Niantic Spatial、Flexion 和 NVIDIA：弥合人形机器人的 Sim2Real 差距
Niantic Spatial、Flexion 和 NVIDIA 展示了基于数字孪生和强化学习的人形机器人 sim2real 流程，实现了从仿真到真实办公室导航的零样本迁移。
SimFoundry：模块化与自动化场景生成用于策略学习与评估
SimFoundry 是一个模块化系统，可从视频自动化真实到仿真场景构建，生成数字孪生体并保留功能属性的变体，用于零样本机器人策略训练，实现了向真实世界任务的强迁移和高仿真到真实性能预测。
检索，而非重新训练：在测试时将视觉语言动作模型扩展到新任务
本文介绍了一种检索增强的视觉-语言-动作策略，通过使用预训练模型和索引演示，消除了每个任务的微调，实现了高效的跨本体泛化和测试时的任务适应。
OASIS：从仿真数据收集到现实世界人形机器人全身操控
OASIS是一个仿真数据驱动的框架，用于人形机器人全身操控，它使用3D生成模型和分层视运动策略。通过利用仿真中的域随机化，它在零样本迁移上取得了比真实机器人训练更好的性能。
反事实视频生成实现可扩展的人形机器人行走-操作技能
PRISM 是一个 real-to-sim-to-real（真实-仿真-真实）框架，通过视频到视频（V2V）生成将少量真实的人-物交互视频放大为数百个多样的反事实视频，随后重建物理上合理的动作，从而训练出可泛化的人形机器人行走-操作策略，并直接部署在真实机器人上，无需真实世界微调。