Tag · 2 篇
DAgger
01 02
VIRAL：面向人形机器人移动操作的大规模视觉仿真到现实迁移
VIRAL: Visual Sim-to-Real at Scale for Humanoid Loco-Manipulation
对做视觉的研究者，这篇给出了一个可复用的配方：用大规模平铺渲染 + 覆盖光照/材质/相机参数/图像质量/传感器延迟的视觉域随机化，配合真实到仿真的相机与灵巧手对齐，把纯 RGB 策略零样本迁移到真机；其中「算力规模（数十 GPU）是 sim-to-real 成败关键」这一结论值得在视觉策略训练中直接借鉴。
RoboAgent：链式组合基础能力实现具身任务规划
RoboAgent: Chaining Basic Capabilities for Embodied Task Planning
把长程具身规划拆解为调度器加多个子能力（各自维护独立上下文）的单一 VLM 调用链，并用仿真器内部信息为每个子能力构造监督，这一「能力链式调用 + 多阶段训练」范式可直接迁移到视觉导航、视觉操作等需要多轮视觉观测推理的任务。