arXiv cs.AI· Pranjal Aggarwal, Sean Welleck·· 13 小时前AI 评分59
Gym-Anything for Robotics：用编码智能体生成机器人仿真环境并构建 RoboWorld 基准
Gym-Anything for Robotics: Scaling physical simulations with digital agents
AI 导读
Pranjal Aggarwal 与 Sean Welleck 提出 Gym-Anything for Robotics，让编码智能体自动创建机器人仿真环境，以缓解仿真覆盖窄、依赖专家手工搭建的瓶颈。
正文 · AI 翻译
摘要：逼真、快速的机器人仿真有望支持具身 AI 模型的大规模训练，并使这些模型能够迁移到真实世界。然而，尽管数十年来取得了进展，现有仿真仍只覆盖真实世界任务与物理现象中的一小部分。核心瓶颈在于：要构建更好的仿真需要大量专家投入，因此难以规模化。为解决这一问题，我们提出了 Gym-Anything for Robotics，这是一个由编码智能体创建逼真机器人仿真的框架。我们的核心洞见是：仿真创建本质上是一项编码智能体任务，因此编码智能体的进步会直接转化为更丰富、更忠实的仿真。我们依据美国 GDP 数据选择仿真任务，以覆盖具有经济价值的体力工作，并定义了何为好的仿真与好的任务，同时开发了一个对抗式创建—审计循环，依据这些定义检查每个仿真与任务。借助这一流程，我们构建了 RoboWorld，它包含 25 个仿真，以及难度各异的 25 个测试和 175 个训练强化学习环境。即便是最先进的前沿模型也在 RoboWorld 的每个测试任务上失败，平均奖励仅为 0.06。基于 RoboWorld，我们提出了若干帮助前沿模型提升的新方法，包括在多次尝试中进行上下文学习、一个读取模拟器状态并在上下文中指导学生模型的特权教师、从模型自身特权经验中进行的自辅助学习，以及生成跨多样场景演示以训练视觉-语言-动作模型（VLA，如 $\pi_{0.5}$）的代码策略。这些方法均能显著提升性能。我们发布了流程、强化学习环境和基准，以促进未来研究。代码与数据见 此 https URL
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.40565 [cs.RO] |
| （或本版本使用 arXiv:2610.40565v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2610.40565 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Pranjal Aggarwal [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 17:42:32 UTC（3,186 KB）
来源：arXiv cs.AI · arxiv.org