哈佛布朗BEACON仅用40条真机数据突破Sim2Real域差
只用 40 条真机数据！哈佛 NeurIPS 新作突破 Sim2Real 机器人数据海量，但仿真、真机等不同来源的数据之间始终存在域差，一直是 Sim2Real 的核心卡点。哈佛、布朗团队联合推出 BEACON，成功入选 NeurIPS 2026。 传统方案会人为设定固定比例混合数据集。BEACON 另辟蹊径，基于尽力适配理论，让模型自主学习，判断每一条示教样本到底该采信多少权重，同时在域层级、样本层级双向加权，智能融合异构数据源。 实验结果极具冲击力：仅 500 条仿真示教 + 区区 40