SimplerEnv

照着常用真机场景复刻的仿真评测套件，用来低成本给操作策略打分。

SimplerEnv（论文名 SIMPLER）由 UC San Diego、斯坦福、UC Berkeley 和 Google DeepMind 的研究者于 2024 年提出，发表于 CoRL 2024。它在 SAPIEN / ManiSkill 仿真器里复刻了两套常用真机设定：谷歌采集 RT-1 数据用的 Google Robot 和 Bridge 数据集用的 WidowX 机械臂，让用真机数据训练的策略不上真机也能打分。为缩小虚实差距，它校准了控制器参数，并提供「视觉匹配」（把仿真物体叠在真实背景上）和「变体聚合」（做出换了背景、光照、桌面纹理等的多个仿真变体，把成绩取平均）两种设定。作者验证了仿真与真机的成绩排序高度一致，此后许多 VLA 论文都在上面报成功率。

例子评测一个 WidowX 策略时，可以直接在 SimplerEnv 里跑「把勺子放到毛巾上」「把胡萝卜放到盘子上」「把茄子放进篮子」等任务统计成功率，不用在真机前一次次摆物体。

也叫

SIMPLER、Simpler Env

相关

仿真评测、视觉匹配、变体聚合、平均最大排名违背、仿真-真机相关性、ManiSkill

来源

Evaluating Real-World Robot Manipulation Policies in Simulation (SIMPLER, arXiv 2405.05941)
SIMPLER 项目主页
simpler-env/SimplerEnv (GitHub)

信息截至

2026-09