热点事件持续更新

Agentic RSR：场景重建到真机执行的机器人操作框架

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Agentic RSR 论文作者团队提出 Real-to-Sim-to-Real 框架 Agentic RSR，把场景重建、策略开发与真机执行串到同一操作任务上：给定工作空间视频、任务描述和已知机器人模型，智能体恢复度量尺度、用视觉反馈迭代细化场景并在 MuJoCo 中检查任务相关交互，再由编码智能体从特权物体位姿逐步过渡到视觉观测和随机化仿真，生成可执行策略。在 18 个重建场景（涉及两台机器人）上，四视角深度 MAE 均值为 0.1057 m，Lab ΔE76 均值 11.04，灰度 SSIM 均值 0.6990；真机实验中总体任务成功率达到仿真任务成功率的 80%。作者称代码与重建场景数据将公开。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.RO 机器人学
Agentic RSR：通过场景重建与执行驱动策略打通 Real-to-Sim-to-Real 的机器人操作框架
论文提出 Agentic Real-to-Sim-to-Real（Agentic RSR）框架，把场景重建、策略开发与真机执行通过同一操作任务串联起来：给定工作空间视频、任务描述和已知机器人模型，智能体恢复度量尺度、用视觉反馈迭代细化场景并在 MuJoCo 中检查任务相关交互，再由编码智能体从特权物体位姿逐步过渡到视觉观测和随机化仿真，生成可执行策略。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1010月8日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。