RevoBench 即将推出
在标准化、确定性的平台上评测触觉
全手触觉仿真与算法展示
从全手触觉仿真到真机操作，了解 Revo 3 的仿真、学习与数据流程。
全手触觉仿真
RevoSim 基于 NVIDIA Isaac Sim，提供双手多模态触觉仿真，包括指尖视触觉图像、深度、标记点位移、六维接触力／力矩与全手压阻响应。可通过 Python API 读取数据，并运行交互演示。
算法演示
演示集合覆盖遥操作、强化学习、模仿学习、触觉、抓取生成与第一视角数据处理，包含真机与仿真场景。每项演示的场景和阶段以其说明为准；安装与复现方法请查阅对应项目。
仿真、数据与算法流程
以下图表整理自 Revo 3 演示集合。其中“即将推出”表示规划内容，“需授权”表示访问受限；图中的模型和方法用于说明流程，具体可用内容以对应项目的公开说明为准。
THE REVO3 ECOSYSTEM
从仿真到真机
仿真与硬件基础设施
01
仿真基础设施
Real-to-sim-to-real, SysID
数据与模型基础设施
03
数据基础设施
第一视角数据处理流程
第一视角数据
手部追踪
动作重定向
映射到机器人构型
伪动作数据
密集语言标注
数据落盘
04
模型基础设施
分层模型架构
RevoAgent
即将推出System 2
输入
语言指令
机器人图像状态
- 场景理解与任务规划
- 工具调用与技能编排
- 记忆与上下文学习
- 闭环检查与重规划
RevoNet
即将推出System 1
输入
机器人图像
本体感受
- Pre-training各类开源模型
- Mid-trainingEgo + RevoHuman
- Post-training真机数据
System 0
输入
机器人关节角
力与触觉
- 高频触觉专家
- 强化学习基础模型
- HIL-RL
- DAgger
- 阻抗控制
- 导纳控制
- 位置控制
- RTC
触觉基础设施
05
触觉基础设施
触觉数据格式与来源
RevoTac
触觉数据格式
视触觉 · 四种模态
- RGB
- Depth
- Marker displacement
- 六维力／力矩
全掌压阻触觉
- 归一化压阻响应
- 空间分布图
仿真数据
- 基于优化的数据生成
- RL rollout 数据
- 遥操生成的抓取数据
- GPT 直接生成的数据
真机数据
- 真机遥操数据
- Policy 部署 rollout 数据
- 人在闭环的干预数据
RevoSim 的压阻输出是归一化响应，可超过 1，不是以 Pa、N 或电阻值表示的测量结果；六维接触力／力矩的定义见仓库数据说明。
继续开发：RevoLab 强化学习教程 · Revo 3 SDK · 生态与应用总览