面向可变形物体操作的动力学模型聚焦自适应

为了在新环境中为某项任务高效学习动力学模型，可以自适应一个在相似源环境中学习到的模型。然而，当目标数据集包含动力学与源环境差异很大的转移时，现有自适应方法可能失效。例如，源环境动力学可能是自由空间中操作的绳索，而目标动力学可能涉及在障碍物上的碰撞与形变。我们的核心见解是：通过将模型自适应仅聚焦于源与目标动力学相似的区域，来提高数据效率。在绳索例子中，自适应自由空间动力学所需数据显著少于在自适应自由空间动力学的同时学习碰撞动力学。我们提出了一种在相似动力学区域自适应有效的新型自适应方法。此外，我们将该自适应方法与已有关于不可靠动力学规划的工作结合，形成一种数据高效的在线自适应方法，称为FOCUS。我们首先在模拟绳索操作和植物浇水任务上证明，所提自适应方法在相似动力学区域的预测误差在统计上显著更低。然后，我们在双手绳索操作任务上展示FOCUS在模拟和真实世界中实现了数据高效的在线学习。