GeCo-SRT：面向机器人跨任务仿真到现实迁移的几何感知持续适应方法
机器人学
2026-02-26 v2
摘要
弥合仿真到现实差距是将低成本仿真数据应用于真实世界机器人系统的关键问题。然而，现有方法严重受限于将每次迁移视为独立项目，导致重复且昂贵的调参，浪费先前的迁移经验。为超越独立仿真到现实迁移，我们构建一种基于跨迭代迁移中知识积累的持续跨任务仿真到现实迁移范式，以实现对新任务的有效且高效适应。因此，我们提出 GeCo-SRT，即一种几何感知持续适应方法。它利用来自局部几何特征的域无关且任务无关知识作为可迁移的基础，以加速后续仿真到现实迁移中的适应。该方法首先引入几何感知的混合专家模块，动态激活专家以在不同几何知识方面专业化，以弥合观测仿真到现实差距。进一步，几何专家引导的优先级经验回放模块优先从未被充分利用的专家中进行采样，以刷新专化知识以抵抗遗忘，维持稳健的跨任务性能。利用迭代迁移期间积累的知识，GeCo-SRT 方法不仅在基线上实现了 52% 的平均性能提升，还显示出仅需 1/6 数据即可实现新任务适应的显著数据效率。我们希望本工作能启发高效低成本跨任务仿真到现实迁移的方法。
引用
@article{arxiv.2602.20871,
title = {GeCo-SRT: Geometry-aware Continual Adaptation for Robotic Cross-Task Sim-to-Real Transfer},
author = {Wenbo Yu and Wenke Xia and Weitao Zhang and Di Hu},
journal= {arXiv preprint arXiv:2602.20871},
year = {2026}
}
备注
Accepted By CVPR 2026