# SimVLA lernt Roboteraufgaben ohne reale Trainingsdaten

> Forschende zeigen: Ein ausschließlich mit synthetischen Daten trainiertes Vision-Language-Action-Modell kann in echten Haushalten mobile Manipulationsaufgaben bewältigen.

Oossa · 2026-10-09 · https://oossa.com/de/simvla-enables-zero-shot-robot-learning-from-simulation

Ein Team um Kyoungin Baik hat SimVLA vorgestellt, ein Framework, das Vision-Language-Action-Modelle (VLA) ausschließlich mit simulierten Roboterdaten trainiert. Zunächst lernt das System anhand zweier großer Simulationsdatensätze: SimAction umfasst 35 Aufgaben zur mobilen Manipulation, SimVQA ergänzt detaillierte visuelle und sprachliche Lernsignale. Nach einem weiteren Training mit simulierten Abläufen wurde SimVLA bei Aufgaben in der realen Welt getestet, etwa beim Auffüllen von Regalen, Einschenken von Flüssigkeiten und Reinigen. Dabei schnitt es besser ab als Modelle, die mit 50 realen Demonstrationen trainiert worden waren. Das zeigt, dass Simulation die kostspielige Erfassung realer Trainingsdaten ersetzen kann.

## Die Fakten

- SimAction umfasst 35 Aufgaben zur mobilen Manipulation.
- SimVLA schnitt besser ab als Modelle, die mit 50 realen Demonstrationen aus dem jeweiligen Einsatzbereich trainiert worden waren.

## Warum es wichtig ist

Wenn Roboter allein durch Simulation lernen können, könnten Hersteller Haushaltsassistenten schneller und kostengünstiger entwickeln.

## Quellen und Referenzen

1. [SimVLA: Zero-Shot Sim-to-Real VLA Learning for Mobile Manipulation](https://arxiv.org/abs/2610.11248) – arXiv cs.RO, 2026-10-09

Zuletzt aktualisiert: 2026-10-09