通过表示学习和 Real2Sim2Real 传输发现并部署新兴机器群体行为

给定一群功能受限的机器人，我们寻求自动发现可能的新兴行为集合。先前的行为发现方法依赖人工反馈或手工编写的行为指标来表示和演化行为，仅在仿真中发现行为，且未测试或考虑将这些新行为部署到实际机器群体。本文提出了通过自监督表示学习实现的 Real2Sim2Real 行为发现方法，结合表示学习和新奇搜索，在仿真中自动发现可能的新兴行为，并实现对实际机器人的直接控制器迁移。首先，我们在仿真中评估了该方法，表明我们提出的自监督表示学习方法通过更准确地表示可能的新兴行为空间，优于先前的手工编写指标。随后，我们通过融入仿真到实际的 recent work for swarm sim2real transfer 的方法，设计轻量级仿真器，从而实现将仿真中发现的所有行为直接部署到开源且低成本的机器人平台上。