I ricercatori guidati da Liqian Ma hanno presentato MetaGenSim, un framework di meta-apprendimento che impara quali parametri del simulatore generano i dati più utili per addestrare i robot. Il sistema addestra una rete ausiliaria di valutazione tramite meta-gradienti, eliminando la necessità di allineare manualmente le simulazioni. Nei test su attività di manipolazione, MetaGenSim ha aumentato del 150% il successo nel completamento delle attività nel mondo reale rispetto ai dati generati in modo uniforme, ottenendo risultati pari a quelli delle impostazioni elaborate da esperti. Il lavoro è stato presentato a CoRL 2026.
Perché conta
Consente a chi sviluppa robot di ottenere prestazioni migliori nel mondo reale senza passare settimane a regolare manualmente i simulatori.
