EAGERx：面向 Sim2real 机器人学习的基于图的框架
机器人学
2024-07-08 v1 机器学习
系统与控制
系统与控制
摘要
Sim2real，即将学习到的控制策略从仿真迁移到现实世界，由于其在高效处理复杂任务方面的潜力，在机器人学中是一个日益受到关注的领域。由于仿真与现实之间的不匹配，sim2real 方法面临挑战。这些差异源于对物理现象建模的不准确以及异步控制等因素。为此，我们引入了 EAGERx，一个为真实和仿真机器人学习提供统一软件管道的框架。它可以支持各种模拟器，并有助于集成状态、动作和时间尺度抽象以促进学习。EAGERx 的集成延迟仿真、域随机化功能以及提出的同步算法有助于缩小 sim2real 差距。我们（在机器人学习及其他背景下）展示了 EAGERx 在适应多样化机器人系统和保持一致仿真行为方面的有效性。EAGERx 是开源的，其代码可在 https://eagerx.readthedocs.io 获取。
引用
@article{arxiv.2407.04328,
title = {EAGERx: Graph-Based Framework for Sim2real Robot Learning},
author = {Bas van der Heijden and Jelle Luijkx and Laura Ferranti and Jens Kober and Robert Babuska},
journal= {arXiv preprint arXiv:2407.04328},
year = {2024}
}
备注
For an introductory video, see http://www.youtube.com/watch?v=D0CQNnTT010 . The documentation, tutorials, and our open-source code can be found at http://eagerx.readthedocs.io