arXiv cs.AI· Hiroki Nishizawa, Takehiko Ohkawa, Nicola Scianca, Tatsuya Matsushima, Shigeo Morishima, Kei Ota·· 3 天前AI 评分31
YUBI-Real2Sim：面向可靠策略评估的 3DGS 场景验证框架
YUBI-Real2Sim: 3DGS Scene Verification for Reliable Policy Evaluation
AI 导读
YUBI-Real2Sim 是一个基于 3DGS 的场景重建与 real-to-sim 策略评估框架，支持双鱼眼腕部视角，在九组场景-任务对比中有八组复现了真实世界的策略排序。
正文 · AI 翻译
摘要：在真实机器人上评估 VLA 策略成本高昂、耗时且难以复现，因此 real-to-sim 仿真对于可扩展评估至关重要。虽然 3D Gaussian Splatting (3DGS) 能够实现快速的 real-to-sim 场景生成，但可靠策略评估所需的重建质量仍未得到量化。特别是，依赖腕部鱼眼相机的策略（例如 YUBI 手持夹爪数据）在广角视图中极易受到视觉伪影（空洞、漂浮物）的影响，直接导致任务性能下降。为解决这一问题，我们提出了 YUBI-Real2Sim，一个在双鱼眼腕部视图下基于 3DGS 的场景重建与 real-to-sim 策略评估的统一框架。我们开发了一套集成流水线，结合 200 度鱼眼相机采集、3DGS 训练、用于物体建模的 3D 基础模型以及基于 MuJoCo 的物理仿真，在九项场景-任务对比中的八项复现了观察到的真实世界策略排序。利用该框架，我们构建了一个涵盖两个双臂机器人平台、三个场景、三个任务以及两个基于 pi0.5 的策略的基准。该基准系统地衡量了 real-to-sim 的排序一致性，并评估了策略对反事实 3DGS 伪影（天花板空洞、漂浮物、扭曲）和采集干扰的敏感性。我们进一步分析了在场景留出评估协议下，新视角质量分数能否指示策略排序的可靠性。结果表明了任务相关的性能表现以及基于质量的可信度预测的局限性，凸显了在使用 Real2Sim 进行策略评估时评估重建质量的必要性。这些结果尚不足以建立一种普遍可靠的场景接受规则。项目页面：this https URL。
| Comments: | Under submission |
| Subjects: | Robotics (cs.RO); Artificial Intelligence (cs.AI) |
| Cite as: | arXiv:2610.17521 [cs.RO] |
| (or arXiv:2610.17521v1 [cs.RO] for this version) | |
| https://doi.org/10.48550/arXiv.2610.17521 arXiv-issued DOI via DataCite (pending registration) |
Submission history
From: Kei Ota [view email]
[v1]
Tue, 13 Oct 2026 00:33:21 UTC (5,721 KB)
来源：arXiv cs.AI · arxiv.org