CoEnv 提出真实到仿真数字孪生多臂操作框架
先了解这件事
Li Kang 等作者在 arXiv 提交 CoEnv 框架的 v2 版本：该框架从多视角 RGBD 重建物理场景，生成物理仿真数字孪生；代码智能体在孪生中编写、运行和精炼完整多臂程序，经特权状态检查、风险步骤检查点谓词和自适应视角验证后，通过碰撞检查部署迁移到硬件。作者称，在最多三台异构机器人的五个真实多臂任务上，CoEx 平均成功率为 70%；同一系统去掉代码智能体、改由 VLM 逐步选择每个原语后为 50%，并优于两个先前的 VLM 规划框架，验证回合生成速率为消融版本的 3.8–11.7 倍。 作者还称，仅用 200 条智能体生成的 rollout 微调的 π0.5 策略，在两个任务上分别达到 100% 和 70% 的真实机器人成功率，且未使用人类演示。上述结果来自 arXiv 预印本，尚未经同行评议或独立验证。v2 相对 v1 大幅修改了标题、框架和实验，v1 标题为“CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment”。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv · cs.RO精选CoEnv：面向多臂操作的真实到仿真数字孪生代码驱动探索框架
论文提出 CoEnv 真实到仿真框架，从多视角 RGBD 重建物理场景为物理仿真数字孪生，并让集中式代码智能体在孪生中编写、运行和精炼完整多臂程序，经特权状态检查、风险步骤检查点谓词和自适应视角验证后，通过碰撞检查部署迁移到硬件。在最多三台异构机器人的五个真实多臂任务上，CoEx 平均成功率为 70%，同一系统去掉代码智能体（由 VLM 逐步选择每个原语）为 50%，并优于两个先前的 VLM 规划框架，验证回合生成速率为消融版本的 3.8-11.7 倍。
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。