面向视觉驱动的可变形线性对象操控的 Real2Sim2Real 问题：基于对象中心的智能体适应的分布性处理
机器人学
2026-03-11 v4 机器学习
摘要
我们提出了一个用于操控基于视觉感知的可变形线性对象（DLO）的 Real2Sim2Real 问题的集成框架。我们 working with 一个参数化的 DLO 集合，使用似然无信息推断（LFI）计算物理参数的后验分布，以便大致模拟每个特定 DLO 的行为。我们使用这些后验进行仿真中基于对象的特定视觉-力觉策略的域随机化训练（即仅假设视觉和力觉感知），使用模型无监督强化学习。我们通过在零样本方式（即无需进一步微调）在真实世界部署仿真训练的 DLO 操控策略来展示了此方法的实用性。在此背景下，我们评估了突出 LFI 方法在仅使用动态操控轨迹中获得的视觉和力觉数据的情况下，对参数化 DLO 集合进行精细分类的能力。随后我们研究了所得域分布在仿真-based 策略学习和真实世界性能中的影响。
引用
@article{arxiv.2502.18615,
title = {A Distributional Treatment of Real2Sim2Real for Object-Centric Agent Adaptation in Vision-Driven Deformable Linear Object Manipulation},
author = {Georgios Kamaras and Subramanian Ramamoorthy},
journal= {arXiv preprint arXiv:2502.18615},
year = {2026}
}