# MetaGenSim melhora o aprendizado de robôs ao selecionar dados de simulação

> Um novo sistema de meta-aprendizado escolhe automaticamente as configurações do simulador e aumenta em 150% o sucesso em tarefas no mundo real.

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

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.

## Os fatos

- Melhora relativa de 150% na taxa de sucesso na conclusão de tarefas no mundo real em comparação com a geração uniforme
- Artigo apresentado na CoRL 2026 e publicado em 2026-10-15

## Por que importa

A tecnologia ajuda desenvolvedores de robôs a obter melhor desempenho no mundo real sem passar semanas ajustando simuladores manualmente.

## Fontes e referências

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

Última atualização: 2026-10-15