从抽象到现实：DARPA 对鲁棒 Sim-to-Real 自主性的愿景
机器人学
2025-03-17 v1 人工智能
机器学习
多智能体系统
系统与控制
系统与控制
摘要
DARPA 从不精确和抽象模型到自主技术迁移（TIAMAT）项目旨在实现自主技术跨动态和复杂环境、目标及平台的快速鲁棒迁移。现有的仿真到现实（sim-to-real）迁移方法通常依赖高保真仿真，并且在广泛适应性方面存在困难，特别是在时间敏感的场景中。尽管许多方法在特定任务上表现出令人难以置信的性能，但由于仿真的固有局限性，当面临不可预见、复杂和动态的真实世界场景时，大多数技术都显得不足。当前研究旨在通过日益复杂的仿真以及通常假设 sim-to-real 差距较小的方法组合（例如域随机化、域适应、模仿学习、元学习、策略蒸馏和动态优化）来弥合仿真环境和真实世界之间的差距，与此不同的是，TIAMAT 采取了不同的方法，强调通过利用大量低保真仿真创建广泛有效的 sim-to-real 迁移，将自主技术栈直接迁移并适应到真实世界环境中。通过参照共享语义从多个仿真环境中进行抽象学习，TIAMAT 的方法旨在实现从抽象到现实的迁移，以实现有效且快速的真实世界适应。此外，该计划致力于通过解决将仿真行为转化为有效的真实世界性能所固有的挑战，来改善整体自主性流程。
关键词
引用
@article{arxiv.2503.11007,
title = {From Abstraction to Reality: DARPA's Vision for Robust Sim-to-Real Autonomy},
author = {Erfaun Noorani and Zachary Serlin and Ben Price and Alvaro Velasquez},
journal= {arXiv preprint arXiv:2503.11007},
year = {2025}
}