面向网格环境中传感器无关的机器人导航的开源 Sim2Real 方法
机器人学
2025-01-07 v2 机器学习
摘要
本文提出一种 Sim2Real（仿真到现实）方法，以弥合训练在模拟环境中智能体与其在现实世界中实现之间的差距，具体用于在类似的设置中导航机器人。具体而言，我们聚焦于在受 Gymnasium Frozen Lake 启发的网格化实环境中导航四足机器人，这是一个高度用户友好且免费的应用程序编程接口 (API)，用于开发和测试强化学习 (RL) 算法。我们详细描述了将在 Frozen Lake 仿真环境中学习的运动策略传递到物理四足机器人上，以实现网格中无需依赖昂贵定位和制图传感器的自主导航和障碍规避。该工作涉及在 Frozen Lake 环境中训练 RL 智能体，并利用所得 Q 表控制 12 自由度 (DOF) 四足机器人。除了详细阐述 RL 实现、逆运动学基于四足行走模式以及传递策略管道，我们在 GitHub 上开源该项目，并包含我们的 Sim2Real 传递方法演示视频。该工作为研究人员、学生和业余爱好者提供了一个易于访问、简单且低成本的框架，以在现实世界的网格环境中探索和实现基于 RL 的机器人导航。
引用
@article{arxiv.2411.03494,
title = {An Open-source Sim2Real Approach for Sensor-independent Robot Navigation in a Grid},
author = {Murad Mehrab Abrar and Souryadeep Mondal and Michelle Hickner},
journal= {arXiv preprint arXiv:2411.03494},
year = {2025}
}
备注
Accepted for publication at the 9th IEEE International Conference on Robotics and Automation Engineering (IEEE ICRAE 2024), Singapore