EmbodiedSmith：通过仿真中的递归自我改进扩展具身数据
EmbodiedSmith是一套用于大规模生成机器人基础模型训练和评估数据的框架。它将资产、场景和任务生成整合到统一流程中，并通过智能体驱动的改进循环，让场景与任务相互调整，从而提升包括长时程任务在内的任务生成成功率。系统支持移动操作机器人、人形机器人和灵巧手，也能模拟与可变形物体及流体的交互。实验表明，该方法提高了数据的多样性和生成效率，下游策略测试则显示，更丰富的模拟数据能够改善机器人控制策略的泛化能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。