Zero-HLM：仿真数据训练人形机器人超越真机数据
热点事件持续更新
Zero-HLM：仿真数据训练人形机器人超越真机数据
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Dianyi Yang 等作者发布 Zero-HLM，一个 real-to-sim-to-real 框架：把手机拍摄和仿真源演示转成人形移动操作的训练数据，无需真实机器人数据。作者称已生成 4800 条经物理验证的演示，在 Unitree G1 的三项任务上零样本迁移。 作者报告，仿真训练的 GR00T N1.7 平均全任务成功率为 66.7%，真实数据训练为 46.7%；在泛化配置上，扩大仿真训练把汇总成功率从真实数据基线策略的 23% 提升到 69%，且未增加真实演示。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
Zero-HLM：无需真实机器人数据的人形移动操作框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.ROZero-HLM：无需真实机器人数据的人形移动操作框架
Zero-HLM 提出 real-to-sim-to-real 框架，将手机拍摄与仿真源演示转化为人形移动操作的可扩展训练数据。研究生成 4800 条经物理验证的演示，在 Unitree G1 的三项任务上实现零样本迁移；仿真训练的 GR00T N1.7 平均全任务成功率为 66.7%，而真实数据训练为 46.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。