SARI相位分割仿真-真实协同训练：灯任务未见位置成功率27.5%，真实数据采集时间减少34.3%

能否通过将接触丰富操作分解为仿真负责自由空间接近、真实数据负责接触交互的相位分割训练，使单一策略在未见过物体放置位置实现泛化并减少真实数据采集？

接触丰富操作任务需要大量真实演示来实现空间泛化，但现有全任务仿真-真实协同训练会浪费真实数据在自由空间接近上，或者让策略过拟合于狭窄的真实数据空间分布；仿真接触动力学不可靠，导致合成接触数据难以使用。预训练VLA模型在未见放置位置缺乏零样本空间泛化能力。

此前方法通常假设仿真在整个任务中可靠，或需要全任务真实与仿真演示进行混合训练，如MimicGen、DemoGen、Real2Render2Real等合成数据管线，以及全任务sim-real协同训练。它们要么在接触阶段仿真失败，要么让狭窄的真实数据分布压制仿真提供的空间覆盖，导致未见位置完全失败。

SARI将任务分为自由空间接近阶段（由仿真覆盖，在Gaussian Splatting数字孪生中生成跨所有放置位置的多样化接近轨迹，并进行高阶球谐渲染和逐相机光度校准）与接触交互阶段（仅在两三个放置位置采集真实接触数据，从传递的预接触位姿开始）。通过共享相机相对动作表示（动作块表达为相对于腕部相机姿态的平移和Rot6D旋转，维度10），单一π0.5策略在无阶段标签或切换逻辑的情况下，在仿真接近和真实接触的并集上后期训练。

在灯任务上，SARI在6个放置位置（P1-P6，真实接触数据仅限P1/P3）各评估10次，成功完成率：可见位置50%，未见位置27.5%（P2 40%, P4 20%, P5 30%, P6 20%），而全任务协同训练、全真实、全仿真在未见位置均为0%。真实数据采集时间从28.03分钟降至18.42分钟（减少34.3%）。在5个真实任务上（开书、按按钮、拉纸巾、开灯、开抽屉），未见位置成功率分别为81.25%、75.0%、43.75%、27.5%、25.0%（每位置评估4次，灯任务10次）。外观消融显示，高保真渲染+颜色校正+完整场景下π0.5总体成功率35.0%（60次试验），低保真为8.3%，损坏GS为18.3%。动作表示消融中，相机相对π0.5达到50%可见/27.5%未见，优于EEF相对GR00T N1.7的35%/20%，关节空间均为0%。均为真机Franka Research 3实验。

作者承认：仅适用于固定桌面场景、单臂Franka机器人、两阶段接近-交互任务；需要人工场景重建、相机标定、预接触位姿选择、光度参考选择。动态场景、移动物体、多阶段交互、其他机器人本体、自动化准备尚未解决。明显的局限还包括：非灯任务仅每位置4次试验（灯任务10次），未见位置成功率仍较低（最低25%）；仅两个真实接触放置位置；论文未报告代码是否开源；训练需要4块H800 GPU（后期训练1万步，另有10万步中间训练）。