Le filThèmes : RechercheAgents
Skill2Real transfère des compétences de robot apprises en simulation vers le réel sans fine-tuning
1 sourcemis à jour il y a 2 jpertinence 3,0 sur5
L’essentiel
Skill2Real, un framework de politique agentique, fait passer le succès sur LIBERO-Pro Long de 2,0 % à 56,3 %. Les compétences figées atteignent 78,75 % d’achèvement moyen sur quatre tâches réelles.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceXincheng He, Siyu Ma, Chang Yu et al.huggingface.co
Skill2Real: Agentic Skill Learning for Zero-Shot Sim-to-Real Robot Manipulation (site externe)
Transferring robotic skills from simulation to reality requires task knowledge that remains usable across differences in perception, dynamics, and embodiment.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5