DiffSim2Real：纯在可微仿真中训练的四足运动策略部署
机器人学
2024-11-05 v1 机器学习
摘要
可微仿真提供解析梯度，使学习算法更具样本效率，并为数据密集型学习任务（如从图像学习）铺平道路。在本工作中，我们证明通过可微仿真解析梯度训练的运动策略可以成功迁移到真实世界。通常，提供信息量梯度的仿真器缺乏sim-to-real迁移所需的物理精度，反之亦然。我们成功的关键因素是一种平滑的接触模型，它结合了信息量梯度与物理精度，确保了所学行为的有效迁移。据我们所知，这是首次四足机器人在仅通过可微仿真训练后能够在真实环境中运动。
引用
@article{arxiv.2411.02189,
title = {DiffSim2Real: Deploying Quadrupedal Locomotion Policies Purely Trained in Differentiable Simulation},
author = {Joshua Bagajo and Clemens Schwarke and Victor Klemm and Ignat Georgiev and Jean-Pierre Sleiman and Jesus Tordesillas and Animesh Garg and Marco Hutter},
journal= {arXiv preprint arXiv:2411.02189},
year = {2024}
}
备注
Presented at the CoRL 2024 Workshop 'Differentiable Optimization Everywhere'