跳到正文
arXiv cs.AI· Jasper Lu, Zhenhao Shen, Yuanfei Wang, Shugao Liu, Shengqiang Xu, Shawn Xie, Jingkai Xu, Feng Jiang, Jade Yang, Chen Xie, Ruihai Wu·· 10 小时前AI 评分48

WorldComposer:用 Digital Cousins 生成高保真仿真环境,助力可泛化机器人学习与评测

WorldComposer: Generative High-Fidelity Simulation with Digital Cousins for Generalizable Robot Learning and Evaluation

AI 导读

WorldComposer 是一个自动化的生成式 Real2Sim2Real 框架,可将真实世界全景图映射为高保真、可直接执行任务的仿真环境,并通过场景与物体变化合成多样化的 Digital Cousins。

正文 · AI 翻译

作者:Jasper Lu、Zhenhao Shen、Yuanfei Wang、Shugao Liu、Shengqiang Xu、Shawn Xie、Jingkai Xu、Feng Jiang、Jade Yang、Chen Xie、Ruihai Wu

查看 PDF HTML(实验性)

摘要:在真实世界环境中学习鲁棒的机器人策略需要多样化的数据增强,然而由于需要获取物理资产并重新配置环境,扩大真实世界数据采集的规模成本高昂。因此,将真实世界场景增强到仿真中已成为一种实用的增强手段,用于高效学习和评估。我们提出 WorldComposer,一个自动化的生成式 Real2Sim2Real 框架,可将真实世界全景图映射为高保真、可直接用于任务的仿真环境,并进一步通过场景和物体变化合成多样化的 Digital Cousins。结合高质量的物理引擎和逼真的资产,WorldComposer 支持对刚体、铰接体和可变形物体的交互式操作。此外,我们引入多房间拼接以构建一致的大规模环境,用于长时程任务。实验表明,强 sim-to-real 相关性验证了我们平台的保真度,并显示大幅扩展数据生成能显著提升对未见场景和物体变化的泛化能力,证明了 Digital Cousins 在可泛化机器人学习与评估中的有效性。
学科: 机器人学(cs.RO);人工智能(cs.AI)
引用为: arXiv:2604.15805 [cs.RO]
  (或本版本使用 arXiv:2604.15805v2 [cs.RO])
  https://doi.org/10.48550/arXiv.2604.15805

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Jiabao Lu [查看邮箱]
[v1] 2026年4月17日星期五 08:06:26 UTC(13,636 KB)
[v2] 2026年11月18日星期三 11:17:17 UTC(39,924 KB)

来源:arXiv cs.AI · arxiv.org