SARI：面向接触密集操作的阶段拆分Sim-Real共训练

VLA模型适应接触密集操作任务常需昂贵的真机演示，尤其需要跨物体摆放泛化时。我们提出SARI（Simulated Approach, Real Interaction），建立在简单洞见上的阶段拆分sim-real共训练框架：空间覆盖与接触物理应各自由最适合的域获取——自由空间方法需要空间多样性但容忍适度仿真差距，适合合成生成；接触交互要求精确物理但在物体摆放间变化很小，少数真机演示即可跨工作区泛化。SARI在照片级数字孪生中生成多样的仿真接近段，同时仅在少数位置采集真实接触交互；在阶段分割的演示上后训练后，单一策略经外观对齐与共享的相机相对动作表示无缝拼接仿真接近与真实接触交互——无需显式阶段标签或手写切换。五个真机接触密集操作任务上，SARI把真机数据采集时间减少34.3%，未见摆放位置成功率27.5%，而全部全任务sim-real基线完全失败（0%）。