# SimVLA یادگیری ربات از شبیه‌سازی را ممکن می‌کند

> پژوهشگران نشان داده‌اند مدلی بینایی‌ـ‌زبان‌ـ‌کنش که فقط با داده‌های مصنوعی آموزش دیده، می‌تواند در خانه‌های واقعی کارهای جابه‌جایی و دست‌کاری را انجام دهد.

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

تیمی به سرپرستی کیونگین بایک، SimVLA را معرفی کرده است؛ چارچوبی برای آموزش مدل‌های بینایی‌ـ‌زبان‌ـ‌کنش (VLA) که تماماً از داده‌های شبیه‌سازی‌شده ربات استفاده می‌کند. این سامانه ابتدا با دو مجموعه‌داده بزرگ شبیه‌سازی‌شده آموزش می‌بیند: SimAction که 35 کار جابه‌جایی و دست‌کاری را پوشش می‌دهد، و SimVQA که نظارت دقیق‌ترِ بینایی‌ـ‌زبانی را اضافه می‌کند. پس از آموزش تکمیلی با اجرای شبیه‌سازی‌شده کارها، SimVLA در کارهای دنیای واقعی، از جمله پُرکردن دوباره قفسه‌ها، ریختن مایعات و نظافت، آزمایش شد. این مدل در آزمایش‌ها از سیاست‌هایی بهتر عمل کرد که با 50 نمایش واقعی از همان حوزه آموزش دیده بودند؛ نتیجه‌ای که نشان می‌دهد شبیه‌سازی می‌تواند جایگزین گردآوری پرهزینه داده در دنیای واقعی شود.

## حقایق

- SimAction 35 کار جابه‌جایی و دست‌کاری را پوشش می‌دهد
- SimVLA از سیاست‌هایی بهتر عمل کرد که با 50 نمایش واقعیِ مرتبط آموزش دیده بودند

## چرا مهم است

اگر ربات‌ها بتوانند تنها با شبیه‌سازی یاد بگیرند، تولیدکنندگان می‌توانند دستیارهای خانگی را سریع‌تر و ارزان‌تر توسعه دهند.

## منابع و ارجاع‌ها

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

آخرین به‌روزرسانی: 2026-10-09