DrEureka：语言模型引导的仿真到现实迁移

将在仿真中学习到的策略迁移到现实世界，是大规模获取机器人技能的一种极具前景的策略。然而，仿真到现实的方法通常依赖于对任务奖励函数以及仿真物理参数的人工设计和调优，导致该过程缓慢且耗费大量人力。在本文中，我们研究使用大语言模型来自动化并加速仿真到现实的设计。我们由 LLM 引导的仿真到现实方法 DrEureka 仅需目标任务的物理仿真，即可自动构建合适的奖励函数和域随机化分布，以支持向现实世界的迁移。我们首先证明，在四足运动和灵巧操作任务上，我们的方法发现的仿真到现实配置可与现有的人工设计配置相媲美。随后，我们展示了我们的方法无需迭代的人工设计，即可解决新型机器人任务，例如四足机器人在瑜伽球上保持平衡和行走。