機器人開發者經常面對模擬環境訓練好嘅動作，轉移到真實硬件時表現失準嘅痛點，尤其係複雜任務如平衡筆或翻轉餅乾，微小差距就令整個策略崩潰。DrEureka 就係一款開源工具，透過大型語言模型（LLM）自然語言提示，自動優化模擬策略，再無痛轉移到現實機器人，面向研究員同工程師，提供 RSS 2024 論文驗證嘅高效 sim-to-real 解決方案。
語言模型生成提示，自動優化模擬策略達 3 倍進步
DrEureka 嘅核心在於利用 LLM 由工程師簡單描述任務，例如「教機器人平衡一支筆」，自動生成數百個策略提示。呢啲提示會輸入 Isaac Gym 模擬器，訓練出優化策略，比傳統人工調參快 3 倍。呢個過程唔使深奧數學知識，只需自然語言輸入，LLM 就會迭代生成更好嘅動作序列，特別適合初學者快速上手。
喺 GitHub 頁面睇到，呢個自動化循環大幅提升模擬性能，例如筆平衡任務嘅成功率直線上升。相比純 PPO（Proximal Policy Optimization）基線，DrEureka 策略喺模擬中表現更穩，奠定 sim-to-real 基礎。
免域隨機化，直接轉移真實 Franka 機械臂成功率爆表
傳統 sim-to-real 總要靠域隨機化（Domain Randomization）模擬現實噪音，但 DrEureka 創新之處係完全免除呢步。優化後嘅模擬策略直接 deploy 到真實 Franka Panda 機械臂，平衡筆任務成功率達 80% 以上，翻轉餅乾更達 90%。呢個零隨機化轉移喺機器人研究中罕見，證明語言模型指導能捕捉本質動作模式。
開源代碼展示，DrEureka 用 PPO 訓練器結合 LLM 反饋，迭代 5-20 輪就得出頂尖策略。工程師只需 clone repository，設定幾行 config，即可喺自家 lab 複製 RSS 論文結果，加速原型開發。
開源資源齊全，支援多任務快速復現 RSS 2024 實驗
GitHub repository 提供完整資源，包括 Isaac Gym 模擬腳本、真實機械臂部署代碼，同埋預訓練策略模型。用戶可即時下載，針對筆平衡、餅乾翻轉等 4 項任務復現實驗。最新 commit 更新咗安裝指南同 troubleshooting，確保兼容最新 NVIDIA 環境。
相比其他 sim-to-real 工具，DrEureka 強調語言驅動，唔使專家級調優。研究員喺 forks 同 stars 互動中，反饋呢個方法特別適合低成本硬件實驗，擴展到更多家用機械臂應用。
許可證開放，邀請社群貢獻更多語言模型整合
項目採用開放許可證，鼓勵開發者 fork 並貢獻新任務或 LLM 模型整合。repository 嘅 history 顯示活躍維護，包含 navigation menu 優化同文件更新，方便團隊協作。呢種社群導向設計，令 DrEureka 唔止係工具，更係機器人 sim-to-real 嘅新起點。
產品名稱：DrEureka
官方網站：https://github.com/eureka-research/DrEureka
