评估真实机器人操控策略的仿真环境
机器人学
2024-05-10 v1 计算机视觉与模式识别
机器学习
摘要
机器人领域正在向通用操控策略取得显著进展。然而，真实环境下的策略评估不可扩展且面临可重复性挑战，随着策略能够执行的任务范围不断扩大，这些挑战可能会进一步恶化。我们识别仿真与真实环境之间的控制和视觉差异作为可靠仿真评估的关键挑战，并提出了无需构建高保真数字孪生体的解决方案方法。随后，我们采用这些方法构建了 SIMPLER—a 用于操控策略评估的仿真环境集合，适用于常见的真实机器人配置。通过对操控策略的仿真与真实环境的配对评估，我们展示了SIMPLER环境中的策略性能与真实世界之间的高度相关性。此外，我们发现SIMPLER的评估能够准确反映真实世界策略行为模式，如对各种分布迁移的敏感性。我们开源了所有SIMPLER环境及创建新环境的工作流程，地址为 https://simpler-env.github.io，以促进通用操控策略和仿真评估框架的研究。
引用
@article{arxiv.2405.05941,
title = {Evaluating Real-World Robot Manipulation Policies in Simulation},
author = {Xuanlin Li and Kyle Hsu and Jiayuan Gu and Karl Pertsch and Oier Mees and Homer Rich Walke and Chuyuan Fu and Ishikaa Lunawat and Isabel Sieh and Sean Kirmani and Sergey Levine and Jiajun Wu and Chelsea Finn and Hao Su and Quan Vuong and Ted Xiao},
journal= {arXiv preprint arXiv:2405.05941},
year = {2024}
}