MetaGenSim元学习框架优化仿真数据生成分布

Liqian Ma等在arXiv发表论文，提出Active Generative Simulation问题与MetaGenSim元学习框架：通过元梯度训练辅助评分网络，在用户指定的仿真参数空间内自动发现高价值数据生成分布，无需人工参数对齐。 论文报告，在仿真与真实操作任务上，MetaGenSim优于均匀生成和检索基线，真实任务全任务成功率相对均匀生成提升150%，并达到专家手工对齐的水平；由轻量代理策略筛选的分布可迁移至VLA微调，在无法精确对齐时可通过原子技能拼接和物体-容器组合利用部分对齐。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。