sim2real

Real2Gym是一个基于代理的Real2Sim2Real框架，它将人类和机器人的视频演示转化为交互式模拟训练场，使技能能够转移到物理机器人上，并且成功率优于基线。

Pollen Robotics 展示了 Microduck，这是一款机器人和模拟器，配备开源强化学习栈，使AI代理能够进行sim2real训练。

一个提供 Microduck 双足机器人强化学习训练环境的 GitHub 仓库，基于 MuJoCo Warp 构建，使用 PPO，包括 sim2real 部署和奖励建模技术。

用于 Microduck 双足机器人的开源强化学习栈，支持使用 MuJoCo 和 PPO 进行 sim2real 训练和部署。

Pollen Robotics 发布 Microduck，一款可通过强化学习训练的开源双足机器人，价格低于400美元，具备预训练策略和完整的开放训练堆栈。

Microduck 是一款来自 Pollen Robotics 的小巧开源双足机器人，可通过强化学习进行训练，现已开放预购，售价为399美元。

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。

介绍使用动作条件世界模型进行数字遥操作，为机器人技术生成多样化训练数据，将数据收集与物理硬件解耦。该系统实现实时生成，并支持零样本Sim2Real迁移。

介绍 ASPIRE，一个让机器人通过进化搜索和蒸馏不断进化技能库的框架，实现高效的 sim-to-real 和跨本体迁移，迁移学习 token 减少高达 10 倍。完整代码已开源。

Wuji MJLab 是一个用于灵巧手操作的开源 MuJoCo 环境，包含立方体重新定向任务、sim2real 流水线以及在 Wuji Hand 上的部署。它基于 mjlab，并包括预训练的 PPO 策略。

这个GitHub仓库为Microduck双足机器人提供了强化学习训练环境，使用MuJoCo Warp和PPO，并包含sim2real部署流程。