arXiv cs.RO 机器人学· Haozhe Lou, Runyi Yang, Wanqi Zhong, Caiyun Liu, Yicheng Liu, Wenhao Liu, Wenlong Ma, Jiawei Xia, Kanzhi Wu, Danda Pani Paudel, Luc Van Gool, Hang Zhao, Yiming Li·· 5 小时前精选AI 评分57
DexNinja：用 Real-to-Sim-to-Real 数据引擎学习灵巧切割策略
DexNinja: Learning Robust Dexterous Cutting Policy with a Real-to-Sim-to-Real Data Engine
AI 导读
DexNinja 提出一个 real2sim2real 框架，把少量真实演示转化为稠密且真实的训练分布，用于机器人灵巧切割食物任务。该框架先从真实采集重建物体实例，再在类别级约束下随机化物理参数，并用耦合机器人动力学、触觉接触与可变形切割的自研可微仿真器生成增强的操作片段。
推荐理由
论文给出用数十条真实演示加数百条仿真增强数据把成功率提到60%以上的路径，可参考其数据扩充思路。
来源：arXiv cs.RO 机器人学 · arxiv.org