基于 Schwarz-Christoffel 映射的自主机器人仿真到现实迁移框架
机器人学
2025-03-24 v1
摘要
尽管仿真技术的快速发展推动了机器人开发，但实际应用中常因仿真与现实之间的固有差异导致性能下降，称作 'sim-to-real gap'。这种差异源于模型不准确、环境变化和意外扰动。类似地，由系统随时间衰减或 minor 配置变化引起的模型差异也阻碍方法的有效性。有效缩小这些差距仍是关键挑战。本工作提出一种轻量级 conformal 映射框架，用于将来自专家教师的控制和规划策略传递给已减容的学习者。该方法利用 Schwarz-Christoffel 映射 (SCM) 对教师控制输入进行几何映射，进入学习者的命令空间，确保机动性一致性。为展示其通用性，该框架应用于路径跟踪任务中的两种代表性控制和规划方法：1) 离散化运动原语命令迁移和 2) 基于连续模型预测控制 (MPC) 的命令迁移。该框架通过大量仿真和实际实验验证，有效减少了 sim-to-real 差距，通过紧密传递教师命令给学习者机器人实现了预期效果。
引用
@article{arxiv.2503.16634,
title = {A Schwarz-Christoffel Mapping-based Framework for Sim-to-Real Transfer in Autonomous Robot Operations},
author = {Shijie Gao and Nicola Bezzo},
journal= {arXiv preprint arXiv:2503.16634},
year = {2025}
}