针对四足动物 locomotion 的硬模拟目标进行精细调优：总功率节省案例研究

四足 locomotion 不仅关乎移动，还涵盖能源效率、安全性和用户体验等关键目标，这些目标对实际应用至关重要。然而，诸如电池功耗和脚步噪声等关键因素在常见模拟器中往往建模不准确或缺失，这导致这些方面在当前 sim-to-real 方法中严重优化不足或未被 addressing。针对这些挑战，人工设计的代理项，如机械功率和脚接触力，曾被用于解决这些问题，但往往具有问题依赖性且不够准确。本文提出了一种数据驱动的框架，用于精细调优 locomotion 策略，针对这些难以模拟的目标。我们的框架利用真实世界数据来建模这些目标，并将所学模型纳入模拟以实现策略改进。我们在四足 locomotion 的功率节省方面证明了该框架的有效性，实现了在各种速度下，来自电池包的总功率消耗降低了 24-28%。简而言之，我们的方法为优化四足 locomotion 中的硬模拟目标提供了一种通用解决方案，为持续利用真实世界知识进行改进提供了易于采纳的范式。项目页面 https://hard-to-sim.github.io/。