# MetaGenSim migliora l’apprendimento dei robot selezionando i dati simulati

> Un nuovo sistema di meta-apprendimento sceglie automaticamente le impostazioni del simulatore, aumentando del 150% il successo nelle attività reali rispetto alla generazione uniforme dei dati.

Oossa · 2026-10-15 · https://oossa.com/it/metagensim-boosts-robot-learning-by-actively-shaping-simulation-data

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.

## I fatti

- Miglioramento relativo del 150% nel successo del completamento delle attività nel mondo reale rispetto alla generazione uniforme dei dati
- Articolo presentato a CoRL 2026 e pubblicato il 2026-10-15

## Perché conta

Consente a chi sviluppa robot di ottenere prestazioni migliori nel mondo reale senza passare settimane a regolare manualmente i simulatori.

## Fonti e riferimenti

1. [Active Generative Simulation: Meta-Learning What to Simulate for Sim-and-Real Policy Co-Training](https://arxiv.org/abs/2610.19479) – arXiv cs.RO, 2026-10-15

Ultimo aggiornamento: 2026-10-15