一种用于训练导航策略并实现仿真到现实迁移的数据高效框架

纯粹从数据中学习机器人有效的视觉运动策略具有挑战性，但也很有吸引力，因为基于学习的系统不应需要手动调参或校准。对于在真实环境中运行的机器人，训练过程可能代价高昂、耗时，甚至在训练初期失败频发而存在危险。因此，希望尽可能利用仿真与离策略数据来训练机器人。在本工作中，我们引入了一个在仿真中规划并能良好迁移到真实环境的鲁棒框架。我们的模型包含一个基于梯度下降的规划模块，该模块在给定初始图像与目标图像时，将图像编码为低维隐状态并规划到达目标的轨迹。由编码器与规划器模块组成的模型，首先在仿真中通过元学习策略进行训练。随后，我们利用来自仿真与真实环境的一批无标签随机图像，对编码器进行对抗域迁移，使编码器能将真实与仿真环境的图像映射到分布相似的隐表示。通过使用远少于真实世界的专家演示对整体模型（编码器+规划器）进行微调，我们在不同导航任务中展示了成功的规划性能。