Real2Sim2Real走向人形机器人:仿真训练还缺哪两块拼图?

2026.11.13 · 收录日 2026.11.13 · 模型 · 新模型 · 论文预印本

北京通用人工智能研究院等提出Zero-HLM,把45条仿真示范扩展为4800条可执行数据。

北京通用人工智能研究院联合北京理工大学、清华大学、德塔智能推出 Zero-HLM,用高斯重建与 GPT-Astra 把手机拍摄场景转为可交互仿真环境,再以执行反馈修正动作,将 45 条源示范扩展为 4,800 条可执行数据。仅用仿真数据训练的策略零样本迁移至宇树 G1,五种泛化设置下汇总成功率 69%,高于真机示范基线的 23%。

  • Zero-HLM 以高斯重建为视觉参照,引导 GPT-Astra 对齐场景几何、配置碰撞与关节,构建可交互仿真环境。
  • 系统以源示范为起点生成全身动作,再依据全身控制器执行反馈协同调整动作与场景,只保留执行成功的轨迹。
  • 45 条仿真源示范被扩展为 4,800 条可执行数据,扩展与验证全程自动,无需额外人工干预。
  • 仅用仿真数据训练的策略零样本迁移至宇树 G1,完成三类长程全身操作任务,五种泛化设置汇总成功率 69%,真机示范基线为 23%。
  • 团队开源 Zero-HLM-Bench,含三个长程任务、九个技能阶段,统一评测下 GR00T N1.7 完整任务成功率 69.7%。

为什么值得看

仿真数据能否替代真机示范,是人形机器人规模化的关键一问。

适合谁关注

关注人形机器人、具身智能与仿真训练的研究者和从业者。

原始来源

查看收录日 2026.11.13 全部卡片 · 全部卡片归档