基于液体网络的高斯溅射到现实飞行导航迁移

模拟器是自主机器人学习的强大工具，因其可扩展的数据生成、灵活的设计以及轨迹优化能力。然而，将从模拟数据中学习的行为迁移到现实世界往往困难，通常通过计算密集的域随机化方法或进一步的模型微调来缓解。我们提出一种方法，以提高对仿真-现实分布迁移的泛化性和鲁棒性，用于无人机飞行导航任务。为此，我们首先通过将高斯溅射与四旋翼飞行动力学集成，构建仿真器；随后使用液体神经网络训练鲁棒的导航策略。如此方式下，我们获得了一个完整的模仿学习协议，融合了 3D 高斯溅射辐射场渲染、精心设计的专家演示训练数据以及液体网络的任务理解能力。通过一系列定量飞行测试，我们证明了仅使用单个仿真场景中学习的导航技能能够直接迁移到现实世界。我们进一步展示了在剧烈的分布和物理环境变化下，性能仍能保持。我们学习的液体策略仅在户内光照逼真的仿真飞行中训练了单个目标机动，却能够泛化到户外真实硬件平台上的多步骤徒步任务。