北京大学具身智能突破 — HACO算法实现仿真到现实迁移

北京大学前沿计算研究中心团队在2026年顶刊《Nature Machine Intelligence》上发表了具身智能领域的重磅研究成果——HACO（Hierarchical Adaptive Curriculum Optimization）算法。该算法通过分层自适应课程优化，大幅提升了机器人在仿真环境中学习的技能向现实世界迁移的成功率。

传统的强化学习在仿真中训练的策略往往存在"仿真现实差距"（Sim-to-Real Gap），导致在真实环境中表现大打折扣。HACO算法的核心创新在于引入了动态域随机化和自适应课程学习机制，让机器人在仿真环境中逐步接触越来越接近真实物理条件的场景，从而平滑地适应现实世界。在桌面操作、开门、抓取等典型任务的迁移测试中，HACO策略的成功率从传统方法的不足40%提升至82%。

北大团队已将HACO开源，并发布了配套的仿真环境和预训练模型库。这一成果被认为将显著加速具身智能研究的迭代速度，为低成本、高效率的机器人技能学习提供了一条可行路径。多位国际同行评论称，这是"仿真到现实迁移领域近年来最重要的工作之一"。