主动生成式仿真：用元学习决定仿真与真实协同训练该生成哪些数据

在少量真实示教中混入仿真数据协同训练时，应生成哪些仿真场景才能让策略在真机上表现最好？这一选择能否自动完成？

仿真与真实协同训练用廉价合成数据弥补稀缺的真实示教，但相机角度、桌面外观、物体布局或任务不匹配的数据帮助有限，甚至会拖累性能。目前工程师需要手工对齐生成参数，既依赖经验，又在仿真器无法复现目标任务时失效。

常见做法是均匀随机化生成参数、按真实工位手工调参，或用STRAP、IWR等方法从现有仿真数据集中检索相似样本。检索方法无法产生固定数据集里本来没有的数据。

MetaGenSim先在参数空间内均匀生成一个小规模探测数据集，参数包括任务类型、相机偏航角、桌面颜色三个值和物体摆放四个值。随后用元学习训练评分网络，使按其评分加权样本后，轻量BC-RNN策略在留出的真实示教上的误差下降。评分被映射回生成参数，经任务级温度系数和加权核密度估计转换为采样分布，再由MimicGen生成定向数据用于最终协同训练。

每项任务仅用10条真实示教，在Franka Panda上测试四项真实任务（叠方块、把杯子放进箱子、把碗放到托盘、挂杯子，每项20次，扩散策略），MetaGenSim完整任务成功58/80（72.5%），均匀生成为23/80（28.75%），仅用真实数据26/80，检索方法STRAP与IWR分别为27/80和33/80，专家手工对齐57/80。用同一数据微调pi0.5得到52/80，均匀生成30/80，仅真实数据19/80，专家对齐56/80。在八项仿真目标任务中，相比均匀生成，BC-RNN平均成功率提高18.6个百分点，扩散策略提高13.3个百分点。均匀数据从1600条增至8000条时性能停滞甚至下降，而800条定向数据效果更好。

方法只能在用户给定的参数空间内搜索，真实实验中的背景和光照仍未对齐。探测数据只做一轮均匀采样，可能漏掉较小的高价值区域；维度升高后核密度估计可靠性下降，带宽过小或温度过高都会损害效果。真机实验仅覆盖一台机械臂上的四项桌面任务、每项20次。本文为预印本。