Des chercheurs dirigés par Liqian Ma ont présenté MetaGenSim, un cadre de méta-apprentissage qui détermine quels paramètres de simulateur produisent les données les plus utiles à l’entraînement des robots. Le système entraîne un réseau auxiliaire d’évaluation à l’aide de méta-gradients, sans nécessiter de réglage manuel pour aligner la simulation sur le monde réel. Lors de tests portant sur des tâches de manipulation, MetaGenSim a augmenté de 150 % le taux de réussite complète des tâches dans le monde réel par rapport aux données générées uniformément, et a obtenu des résultats aussi bons qu’avec des paramètres définis par des experts. Ces travaux ont été présentés à CoRL 2026.
Pourquoi c'est important
Les développeurs de robots peuvent ainsi améliorer leurs résultats dans le monde réel sans passer des semaines à régler manuellement les simulateurs.
