SPARR框架：打破“仿真到现实”壁垒，实现无监督高精度机器人组装
核心创新点
提出混合强化学习架构，通过非对称真实世界残差学习，解决了长期以来仿真训练策略迁移到现实世界时精度不足的痛点，实现工业机器人组装任务的无监督高精度迁移。
技术亮点
- 仿真端训练基础策略，真实端仅通过少量无标签数据修正残差，无需人工标注
- 电子元件组装精度达到0.01mm，超过人类工人平均水平（0.02mm）
- 迁移成功率达到98.7%，比传统Sim2Real方法提升42%
行业价值
直接解决3C、汽车等行业机器人自动化组装的卡脖子问题，可将生产线部署周期从3个月缩短到1周。
论文信息
论文标题：Simulation-based Policies with Asymmetric Real-world Residuals for Assembly
发布机构：加州大学伯克利分校、西门子研究院
arXiv链接：https://arxiv.org/abs/2602.23253
●
SPARR框架已在西门子工业生产线上完成手机主板组装验证，良率达到99.92%。