在可微仿真中激发接触模式以促进机器人学习
机器人学
2024-11-28 v2 信息论
math.IT
摘要
在本文中，我们探索了一种在可微仿真器中主动规划并激发接触模式的方法，以缩小仿真到现实的差距。我们提出了一种基于信息论方法的最优实验设计方法，通过接触隐式优化来识别和搜索信息丰富的接触模式。我们在一个机器人参数估计问题上展示了我们的方法，该问题涉及未知的惯性和运动学参数，并主动寻求与附近表面的接触。我们表明，与随机采样基线相比，我们的方法通过估计误差减少至少约84%来改善未知参数估计的识别，同时获得显著更高的信息增益。
引用
@article{arxiv.2411.10935,
title = {Exciting Contact Modes in Differentiable Simulations for Robot Learning},
author = {Hrishikesh Sathyanarayan and Ian Abraham},
journal= {arXiv preprint arXiv:2411.10935},
year = {2024}
}