arXiv cs.AI· Zixu Hao, Weijun Wang, Xiangyu Li, Liang Mi, Hao Wu, Yunxin Liu, Ting Cao·· 12 小时前AI 评分31
Patchwork：面向域随机化具身仿真的资源共享系统
Replicate What Varies: Resource Sharing for Domain-Randomized Embodied Simulation
AI 导读
Patchwork 是一个面向域随机化仿真的资源共享系统，基于 E=T+Δ 表示，用共享模板加补丁记录环境变更，将随机化采样与回放分离。该系统在 robosuite 和 MuJoCo 上实现，并在 LIBERO-plus 与 RoboCasa365 负载上评测，32 个副本时相比每环境一进程的执行方式将 CPU RSS 降低 88-92%。
正文 · AI 翻译
摘要：仿真提供了一个低成本的沙盒，具身智能体可以在其中尝试任务、观察结果并从经验中学习。同时运行许多不同的仿真环境会消耗大量 CPU 和 GPU 内存，因为独立构建的场景会重复那些在各实例间保持不变、却仍被复制的资源。我们提出 Patchwork，一个面向域随机化仿真的资源共享系统，其核心是表示 $E=T+\Delta$：共享模板包含公共资源，补丁记录构建目标环境所需的变更。Patchwork 将随机化采样与重放分离，并选择可复用的模板及补丁，以保持每个目标环境的预期配置。其分层运行时共享已编译的模型结构和不可变资产，同时让可变参数和仿真状态为每个实例私有。我们在 robosuite 和 MuJoCo 上实现 Patchwork，并在 LIBERO-plus 和 RoboCasa365 工作负载上评估。在 32 个副本时，与每环境一进程的执行方式相比，共享模板执行将 CPU RSS 降低 88-92%。受控实验表明，在支持的共享边界内，共享使内存增长转向模板多样性和唯一资产内容，而非实例数量。
| 主题： | 分布式、并行与集群计算（cs.DC）；人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.33582 [cs.DC] |
| （或本版本使用 arXiv:2610.33582v1 [cs.DC]） | |
| https://doi.org/10.48550/arXiv.2610.33582 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zixu Hao [查看邮箱]
[v1]
2026年10月24日 星期六 10:20:13 UTC（1,925 KB）
来源：arXiv cs.AI · arxiv.org