具身智能领域在通用机器人决策模型开发上进步显著，但真实数据收集和实际环境评估成本高昂。仿真技术作为替代方案兴起。本次分享，上科大顾家远老师将以教程形式，讲解如何构建面向具身智能的仿真平台，聚焦任务、本体和数字资产三大核心要素。同时，还将介绍SimplerEnv平台，该平台专为评估基于真实世界数据训练的决策模型而开发，支持对多种通用机器人操作模型的评估。分享会最后设有QA环节。

🤖 仿真技术成为具身智能研究的可行替代方案，因真实世界数据收集和模型评估成本高昂且复杂。

🛠️ 构建仿真平台需关注任务、本体和数字资产三大核心要素，本次分享将详细阐述其基本思路和方法。

💡 SimplerEnv平台专为评估基于真实世界数据训练的决策模型而开发，支持多种通用机器人操作模型评估，如RT-1和Octo。

👨‍🏫 顾家远老师作为具身智能领域专家，将分享其在仿真环境构建方面的经验和见解。

原创 Z Potentials 2025-01-02 11:39 北京

真实世界中训练数据的收集以及模型在实际环境中的评估依然面临高昂的成本和复杂的挑战，因此仿真技术成为了一种可行的替代方案。

近年来，具身智能领域在通用机器人决策模型的开发方面取得了显著进展。然而，真实世界中训练数据的收集以及模型在实际环境中的评估依然面临高昂的成本和复杂的挑战，因此仿真技术成为了一种可行的替代方案。

1月5日，Z Potentials联合DeepTimber邀请上科大顾家远老师直播分享，分享主题为【构建面向具身智能的仿真平台】。

顾家远老师，上海科技大学信息科学与技术学院助理教授、研究员、博士生导师，博士毕业于UCSD，师从苏昊教授，2018年本科毕业于北京大学信息科学技术学院智能科学系。他的研究方向为具身智能，聚焦于可泛化的机器人决策模型和面向具身智能的三维视觉，在计算机视觉、机器学习、机器人等国际顶会（CVPR，NeurIPS，ICLR，CoRL等）上均有发表。他曾在Facebook AI、Google DeepMind等科研机构实习，参与的项目Open X-Embodiment获得了ICRA 2024的Best Paper Award。同时，他也担任相关领域会议的审稿人，并在RSS，ECCV，CVPR等学术会议上组织过相关的研讨会和教程。

本次分享将以教程（tutorial）的形式，分享构建仿真环境的基本思路和方法，聚焦任务（task）、本体（embodiment）、数字资产（asset）三个核心要素。

同时，顾家远老师将简要介绍一个实际的案例——SimplerEnv，一个专为评估基于真实世界数据训练的决策模型而开发的仿真环境平台，支持对多种通用机器人操作模型的评估，如RT-1和Octo。

项目链接：https://github.com/simpler-env/SimplerEnv

分享会末尾设置QA环节，扫二维码进群获得1月5日直播链接?

Ref.

https://jiayuan-gu.github.io/

-----------END-----------

? 我们正在招募新一期的实习生

? 我们正在寻找有创造力的00后创业者

关于Z Potentials

跳转微信打开