从粗到精的模拟到现实：跨宽任务空间的亚毫米精度
机器人学
2021-07-30 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
在本文中，我们研究当任务既需要亚毫米误差容限的高精度控制，又需要宽任务空间泛化时的零样本模拟到现实问题。我们的框架涉及一种从粗到精的控制器，其轨迹始于使用基于 ICP 的位姿估计的经典运动规划，并过渡到在模拟中通过域随机化训练的学习型端到端控制器，该控制器将图像映射为动作。通过这种方式，我们实现了精确控制，同时也使控制器在宽任务空间上泛化，并保持基于视觉的端到端控制的鲁棒性。在不同任务上的真实世界实验表明，通过利用两个世界的优点，我们的框架显著优于纯运动规划方法与纯基于学习的方法。此外，我们回答了一系列关于精确模拟到现实迁移最佳实践的问题，例如不同的图像传感器模态与图像特征表示表现如何。
引用
@article{arxiv.2105.11283,
title = {Coarse-to-Fine for Sim-to-Real: Sub-Millimetre Precision Across Wide Task Spaces},
author = {Eugene Valassakis and Norman Di Palo and Edward Johns},
journal= {arXiv preprint arXiv:2105.11283},
year = {2021}
}
备注
To be published at IROS 2021. 8 pages, 6 figures