Forschende unter der Leitung von Liqian Ma haben MetaGenSim vorgestellt, ein Meta-Learning-Framework, das lernt, mit welchen Simulationsparametern sich die nützlichsten Daten für das Robotertraining erzeugen lassen. Das System trainiert mithilfe von Meta-Gradienten ein zusätzliches Bewertungsnetzwerk. Dadurch entfällt die manuelle Abstimmung der Simulation. Bei Tests mit Manipulationsaufgaben erhöhte MetaGenSim die Erfolgsquote beim vollständigen Erledigen von Aufgaben in der realen Welt gegenüber gleichmäßig generierten Daten um 150 Prozent und erzielte Ergebnisse auf dem Niveau von Einstellungen, die Fachleute von Hand festgelegt hatten. Die Arbeit wurde auf der CoRL 2026 vorgestellt.
Warum es wichtig ist
Roboterentwickler können damit bessere Ergebnisse in der realen Welt erzielen, ohne wochenlang Simulationen von Hand abstimmen zu müssen.
