Gym-Anything for Robotics: Scaling physical simulations with digital agents
作者: Pranjal Aggarwal, Sean Welleck
分类: cs.RO, cs.AI, cs.LG
发布日期: 2026-10-29
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出Gym-Anything框架以解决机器人仿真范围狭窄问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 机器人仿真 编码代理 具身AI 深度强化学习 自动化训练 对抗学习 RoboWorld
📋 核心要点
- 现有机器人仿真覆盖的任务和物理现象范围狭窄，难以满足大规模训练需求。
- 提出Gym-Anything框架，通过编码代理自动创建仿真，提升仿真质量和多样性。
- 在RoboWorld中，最先进模型在测试任务上表现不佳，提出的新方法显著提升了模型性能。
📝 摘要（中文）
现实、快速的机器人仿真能够促进大规模的具身AI模型训练，然而现有仿真覆盖的真实任务和物理现象范围有限。创建更好的仿真需要大量专家努力，难以扩展。为此，本文提出了Gym-Anything for Robotics框架，通过编码代理创建逼真的机器人仿真。我们根据美国GDP数据选择仿真，定义良好仿真和任务的标准，并开发了对抗创建-审计循环来验证每个仿真和任务。基于此，我们构建了RoboWorld，包含25个仿真和175个训练环境。即使是最先进的模型在RoboWorld测试任务上也表现不佳，平均奖励仅为0.06。我们还提出了多种新方法来提升模型性能，包括上下文学习、特权教师指导等，显著提高了性能。我们发布了管道、RL环境和基准，以促进未来研究。
🔬 方法详解
问题定义：本文旨在解决现有机器人仿真范围狭窄的问题，现有方法需要大量专家参与，难以扩展到更多的任务和物理现象。
核心思路：通过引入编码代理来自动创建仿真，认为仿真创建是编码代理的任务，从而使得编码代理的改进直接转化为更丰富的仿真。
技术框架：整体架构包括仿真选择、定义良好仿真和任务的标准，以及对抗创建-审计循环。该框架确保每个仿真和任务符合预设标准。
关键创新：最重要的创新在于通过编码代理自动生成仿真，打破了传统仿真创建的专家依赖，提升了仿真的多样性和真实性。
关键设计：在设计中，使用了基于美国GDP数据的仿真选择标准，建立了RoboWorld，包含25个仿真和175个训练环境，并引入了上下文学习、特权教师等新方法来提升模型性能。
🖼️ 关键图片
📊 实验亮点
在RoboWorld的测试任务中，最先进的模型平均奖励仅为0.06，显示出当前模型在复杂任务上的不足。通过引入上下文学习和特权教师等新方法，显著提升了模型的性能，展示了新的训练策略的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人技术、自动驾驶、智能制造等。通过提供更丰富的仿真环境，可以加速具身AI模型的训练和部署，推动相关技术的实际应用和发展，具有重要的实际价值和未来影响。
📄 摘要（原文）
Realistic, fast robotics simulations could enable large-scale training of embodied AI models that transfer to the real world. However, despite decades of progress, available simulations cover only a narrow range of real-world tasks and physical phenomena. The core bottleneck is that creating better simulations requires significant expert effort and therefore does not scale. To address this, we introduce Gym-Anything for Robotics, a framework in which coding agents create realistic robotics simulations. Our core insight is that simulation creation is a coding agent task, so improvements in coding agents translate directly into richer and more faithful simulations. We select simulations based on U.S. GDP data to cover economically valuable physical work, define what makes a good simulation and a good task, and develop an adversarial creation-audit loop that checks each simulation and task against these definitions. Using this pipeline, we build RoboWorld, a set of 25 simulations with 25 test and 175 training RL environments of varying difficulty. Even the best frontier models fail on every RoboWorld test task, achieving an average reward of only 0.06. Building on RoboWorld, we introduce several new ways for frontier models to improve, including in-context learning across repeated attempts, a privileged teacher that reads the simulator state and teaches a student in context, self-assisted learning from the model's own privileged experience, and code policies that generate demonstrations across varied scenes to train vision-language-action models (VLAs) such as $π_{0.5}$. Each of these substantially improves performance. We release our pipeline, RL environments, and benchmark to facilitate future research. Code and data are available at https://gym-anything.github.io/robotics