跳到正文
智迹闻AuraTracer

Agentic RSR实现机器人仿真到实物闭环

本机阅读

发生了什么

据arXiv cs.CV论文,研究团队提出Agentic Real-to-Sim-to-Real (Agentic RSR)框架,通过场景重建、策略开发和真实机器人执行链接任务。该框架从工作区视频恢复度量尺度,使用视觉反馈迭代优化MuJoCo中的场景,并通过编码代理开发可执行策略。在涉及两个机器人的18个重建场景中,平均四视图深度MAE为0.1057米。真实机器人实验显示,任务成功率达到仿真任务成功率的80%。

任务成功率保留率
80%
平均深度MAE
0.1057 m

报道与来源

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

  1. arXiv cs.CV一手材料

    Agentic RSR: Real-to-Sim-to-Real through Scene Reconstruction and Execution-Grounded Robot Policies

来源关系与证据边界

按已记录的来源角色展示;连线仅表示原生身份流程确认的同稿入口,不表示独立佐证或跨报道引用。

  1. 一手材料1 个发布入口