基于在线模仿预训练世界模型的高效Sim-to-Real迁移方案
机器人学
2025-10-06 v1
摘要
我们关注在有限真实世界专家数据条件下进行模仿学习的问题。现有的离线模仿方法常常面临数据覆盖不足和性能严重退化的问题。我们提出了一种利用机器人模拟器实现在线模仿学习的解决方案。我们的Sim-to-Real框架基于世界模型，结合了在线模仿预训练与离线微调。通过利用在线交互，我们的方法缓解了离线方法的数据覆盖限制，在微调过程中提升了鲁棒性并降低了性能退化，同时也增强了跨域迁移的泛化能力。实验结果证明了其有效性，在Sim-to-Sim迁移中成功率相比现有离线模仿学习基线提升了至少31.7%，在Sim-to-Real迁移中提升了至少23.3%。
引用
@article{arxiv.2510.02538,
title = {A Recipe for Efficient Sim-to-Real Transfer in Manipulation with Online Imitation-Pretrained World Models},
author = {Yilin Wang and Shangzhe Li and Haoyi Niu and Zhiao Huang and Weitong Zhang and Hao Su},
journal= {arXiv preprint arXiv:2510.02538},
year = {2025}
}