Pesquisadores liderados por Liqian Ma apresentaram o MetaGenSim, uma estrutura de meta-aprendizado que identifica quais parâmetros do simulador geram os dados mais úteis para treinar robôs. O sistema treina uma rede auxiliar de avaliação com meta-gradientes, dispensando o ajuste manual para alinhar a simulação. Em testes com tarefas de manipulação, o MetaGenSim aumentou em 150% a taxa de sucesso na conclusão das tarefas no mundo real em comparação com dados gerados de maneira uniforme e teve desempenho equivalente ao de configurações elaboradas por especialistas. O trabalho foi apresentado na CoRL 2026.
Por que importa
A tecnologia ajuda desenvolvedores de robôs a obter melhor desempenho no mundo real sem passar semanas ajustando simuladores manualmente.
