FishGym：面向水下机器人学习的高性能物理仿真框架

仿生水下机器人在许多应用中已展现出其优越性。然而，训练其智能以完成模仿水下生物行为的多种任务在实践中面临诸多挑战，主要源于缺乏大量可用训练数据以及真实物理环境成本高昂。作为替代，仿真被视为在不同环境中获取数据集的可行且重要的工具，但其大多针对刚体与软体系统。目前，对于可与浸没固体相互作用、且能高效精确仿真以用于机器人训练的更复杂流体系统，相关工作十分匮乏。本文提出一个名为“FishGym”的新平台，可用于训练类鱼水下机器人。该框架包含：基于关节体与蒙皮的机器鱼建模模块、基于GPU的高性能局部双向耦合流固相互作用仿真模块（可处理有限与无限大域），以及强化学习模块。我们借助现有训练方法并针对水下类鱼机器人进行适配，获得了多个基准任务的学习控制策略。训练结果展示了合理的运动轨迹，并通过与经验模型及已知真实鱼类游动行为进行比较分析，凸显了所提平台的优势。