# MetaGenSim يحسّن تعلّم الروبوتات عبر اختيار بيانات المحاكاة

> نظام جديد للتعلّم الفوقي يختار إعدادات المحاكاة تلقائيًا، ويرفع نجاح المهام في العالم الحقيقي بنسبة 150% مقارنةً بتوليد البيانات عشوائيًا بالتساوي.

Oossa · 2026-10-15 · https://oossa.com/ar/metagensim-boosts-robot-learning-by-actively-shaping-simulation-data

قدّم باحثون بقيادة ليكيان ما MetaGenSim، وهو إطار للتعلّم الفوقي يتعلّم أيّ معلمات المحاكاة تنتج البيانات الأكثر فائدة لتدريب الروبوتات. ويدرّب النظام شبكة تقييم مساعدة باستخدام التدرجات الفوقية، ما يلغي الحاجة إلى ضبط مواءمة المحاكاة يدويًا. وفي اختبارات على مهام المناولة، رفع MetaGenSim نسبة النجاح في إتمام المهام كاملةً في العالم الحقيقي بنسبة 150% مقارنةً بالبيانات المولّدة بالتساوي، وحقق أداءً مماثلًا للإعدادات التي صاغها خبراء. عُرض البحث في CoRL 2026.

## الحقائق

- تحسّن نسبي بنسبة 150% في النجاح بإتمام المهام كاملةً في العالم الحقيقي مقارنةً بالتوليد بالتساوي
- عُرضت الورقة في CoRL 2026 ونُشرت في 2026-10-15

## لماذا يهم

يتيح ذلك لمطوّري الروبوتات تحسين الأداء في العالم الحقيقي من دون قضاء أسابيع في ضبط المحاكيات يدويًا.

## المصادر والمراجع

1. [Active Generative Simulation: Meta-Learning What to Simulate for Sim-and-Real Policy Co-Training](https://arxiv.org/abs/2610.19479) – arXiv cs.RO, 2026-10-15

آخر تحديث: 2026-10-15