论文页面 - SimFoundry：面向策略学习与评估的模块化自动化场景生成

来源：https://huggingface.co/papers/2606.28276 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

SimFoundry 通过自动化仿真构建以及多样化的场景变体实现零样本真实世界机器人策略训练，同时提升泛化能力与性能预测。

在真实世界中训练和评估机器人策略成本高昂且难以规模化。我们提出 SimFoundry，一个从视频到仿真场景 (https://huggingface.co/papers?q=real-to-sim%20scene%20construction) 的零样本构建的模块化自动化系统。SimFoundry 能够生成仿真就绪的数字孪生 (https://huggingface.co/papers?q=digital%20twins)，并支持物体、场景和任务编辑，从而自动生成多样化的数字同类 (https://huggingface.co/papers?q=digital%20cousins)：即保留功能 (https://huggingface.co/papers?q=affordance-preserving%20variations) 的重建真实场景变体。基于 SimFoundry 数据训练的策略可零样本迁移至涉及多步操作、铰接物体交互及双臂交互等具有挑战性的真实任务；其数字同类 (https://huggingface.co/papers?q=digital%20cousins)（原始场景、物体和任务的变体）有助于泛化到新的真实世界条件。在 7 个操作任务和 5 种策略架构上，SimFoundry 的仿真评估 (https://huggingface.co/papers?q=simulation%20evaluation) 能强有力地预测真实世界性能，平均皮尔逊相关系数为 0.911，平均最大排序违反率为 0.018。当在真实世界中对仿真训练的策略进行零样本评估时，使用物体、场景和任务同类变体进行训练的策略分别将平均任务成功率提升了 17%、21% 和 40%。更多细节请访问 https://research.nvidia.com/labs/gear/simfoundry/。

查看 arXiv 页面 (https://arxiv.org/abs/2606.28276) 查看 PDF (https://arxiv.org/pdf/2606.28276) 项目页面 (https://research.nvidia.com/labs/gear/simfoundry/) 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.28276)

在您的 agent 中获取此论文：

hf papers read 2606.28276

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型

0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.28276，以便从此页面链接。

引用此论文的数据集

0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.28276，以便从此页面链接。

引用此论文的 Space

0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.28276，以便从此页面链接。

包含此论文的收藏集

0

没有收藏集包含此论文

请将此论文添加到一个收藏集 (https://huggingface.co/new-collection) 中，以便从此页面链接。