李飞飞团队新突破：低成本高泛化机器人训练法，零样本迁移成功率90%！

文章预览

在机器人训练中，如何高效地利用模拟环境一直是研究者们关注的重点问题。 近日，美国斯坦福大学李飞飞教授团队提出了一种突破性的 “数字表亲” （digital cousins）概念。 这一创新方法既保留了数字孪生的优势，又大大降低了从真实到模拟环境的生成成本，同时提高了学习的泛化能力。 “数字表亲”不仅能有效地将真实世界的数据扩展到模拟环境中进行学习，还有望为机器人训练带来显著进展，为解决长期存在的模拟到现实迁移问题提供了新的思路。 项目主页：https://digital-cousins.github.io/ 论文地址：https://arxiv.org/abs/2410.07408 ▍ 什么是“数字表亲”？与“数字孪生”有何不同?     什么是“数字表亲”？它与我们熟知的“数字孪生”有何不同？ “数字孪生”作为真实场景的精确虚拟复制品，虽然能够准确地对场景进行建模，但其生成成本极为 ………………………………