SR-Platform：自然语言驱动的机器人仿真环境综合的代理管道

生成机器人仿真环境仍然是基于仿真的机器人学习的主要瓶颈。构建可用于训练的 MuJoCo 场景通常需要 3D 资产建模、MJCF 规范、空间布局、防撞和机器人模型集成方面的专业知识。我们推出了 SR-Platform，这是一个生产部署的代理系统，可将自由形式的自然语言描述转换为可执行的、物理上有效的 MuJoCo 环境。 SR-Platform 将场景合成分解为四个阶段：基于 LLM 的编排器，将用户意图转换为结构化场景计划；资产伪造，可检索缓存的资产或通过 LLM-to-CadQuery 综合生成新的 3D 几何图形；分配对象姿势并验证工业约束的布局架构师；以及一个桥接层，用于组装最终的 MJCF 场景并合并所选的机器人模型。该系统部署为九服务 Docker 堆栈，具有 WebSocket 进度流、MinIO 支持的网格存储、基于 Qdrant 的语义资产检索、Redis 作业状态和 InfluxDB 遥测。使用涵盖 611 个成功的 LLM 调用的 30 天生产遥测，SR-Platform 生成五个对象场景，端到端延迟中值约为 50 秒，而缓存加速场景在约 30-40 秒内完成。资产锻造显示具有自动恢复功能的首次尝试重试率为 11.3%，并且缓存的资产检索删除了对先前生成的对象类型的每个对象 LLM 调用。这些结果表明，代理场景合成可以减少创建多样化机器人训练环境所需的手动工作，使用户能够在一分钟内根据简单的英语提示生成可执行的 MuJoCo 场景。