Skill2Real：让机器人技能从仿真直接走向现实

机器人从仿真环境走进现实，难点通常不只是“学会动作”，而是让这些动作在视觉、动力学和机械形态发生变化后仍然可用。论文提出的 Skill2Real，试图把仿真到现实问题转化为一种可复用的技能学习与调用问题。

核心方法

Skill2Real以共享的机器人应用程序接口（API）作为技能边界。技能不直接绑定某个仿真器内部状态，而是依赖公开可获得的观测，以及具有明确语义的API操作。这样，技能记忆在迁移到真实机器人时，不必随着环境变化重新修改。

框架采用“提议者—验证器—治理器”（PVG）循环。提议者生成或调整技能，验证器借助仿真中的特权证据分析任务是否成功、定位失败原因，治理器则决定哪些更新值得保留以及如何控制技能记忆的演化。三者共同构成一种带有反馈和筛选机制的训练流程，而不是单纯让模型反复试错。

在能力结构上，系统先由“⼩脑”学习局部操作技能，再由“⼤脑”学习如何按照任务目标组合这些技能；进入第二阶段后，⼩脑保持冻结。最终，局部技能记忆和任务级记忆一起迁移到真实机器人，过程中不进行任务策略微调，也不更新技能记忆。

实验结果

• 使用 GPT-5.6 Sol 在 LIBERO-90 上学习技能，并用 GPT-6 Astra 评估每个冻结检查点后，LIBERO-Pro Long 成功率从 2.0% 提升至 56.3%，训练过程中没有针对 Pro Long 进行训练。
• 在 Robosuite 的七项任务上独立训练时，Sol 和 Opus 5 的平均成功率分别达到 85.1% 和 89.4%。
• 由 Sol 在 LIBERO-90 上训练得到的冻结技能，经 Astra 执行后，在四项真实世界操作任务上的平均完成率为 78.75%。
• 去掉验证器或治理器后，最终 Pro Long 成功率分别下降 17.3 和 13.3 个百分点，说明这两个环节并非装饰性模块。

意义与局限

Skill2Real的关键价值，在于把迁移重点从“重新训练一个任务策略”转向“学习可组合、可检查的执行技能”。统一API为不同机器人和环境之间提供了抽象层，分层记忆则对应从动作执行到任务规划的不同时间尺度。PVG闭环进一步利用仿真中真实世界难以获得的诊断信息，帮助系统筛选更可靠的技能更新。

不过，现有结果仍主要来自论文列出的特定基准、模型组合和四项真实任务。API设计、观测质量以及仿真与真实设备之间的差异，仍可能影响迁移效果。未来是否能扩展到更多机器人形态、更开放的任务和更长的操作链条，还需要进一步验证。总体而言，这项工作展示了一条颇具吸引力的路线：让机器人通过共同接口积累可执行技能，再将技能记忆而非单一任务策略带入现实。

来源：Hugging Face Daily Papers