arXiv · 机器人与计算机视觉· Ning Zhu, Mengfei Zhao, Yikai Tang, Zhangyujie Sun, Peihao Li, Dongyue Ni, Jindou Jia, Jianfei Yang·· 2026-10-06精选AI 评分83
TUCO:为 Sim-to-Real 机器人策略共训练 curated 仿真演示
TUCO: Curating Simulation Demonstrations for Sim-to-Real Robot Policy Co-Training
AI 导读
针对 Sim-to-Real 策略共训练中仿真演示价值挖掘不足及缺乏统一效用度量标准的问题,本文提出 TUCO 方法。该方法利用影响函数追踪源演示对目标域评分回滚的影响,将效应分解为整体贡献与变异性,以此构建闭环基础来衡量轨迹效用和集合覆盖率。
推荐理由
提出 TUCO 方法,利用影响函数分解轨迹效用并优化仿真演示集,在 RoboMimic 和 OmniReset 上实现 SOTA。
来源:arXiv · 机器人与计算机视觉 · arxiv.org