# MetaGenSim优化仿真数据，提升机器人学习效果

> 这套新型元学习系统会自动选择仿真器设置；与均匀生成数据相比，机器人在真实世界任务中的成功率提高了150%。

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

由Liqian Ma领衔的研究人员推出了MetaGenSim，这是一种元学习框架，能够学习哪些仿真器参数最适合生成机器人训练数据。该系统通过元梯度训练一个辅助评分网络，无需再手动调整仿真与现实之间的匹配。在操作任务测试中，与使用均匀生成的数据相比，MetaGenSim将机器人在真实世界中完成整项任务的成功率提高了150%，效果与专家手工设计的设置相当。这项研究发表于CoRL 2026。

## 事实

- 与均匀生成数据相比，真实世界完整任务成功率相对提高150%
- 论文发表于CoRL 2026，并于2026-10-15发表

## 为什么重要

机器人开发者无需花数周时间手动调整仿真器，也能提升机器人在真实世界中的表现。

## 来源与参考

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

最后更新: 2026-10-15