面向仿真与真实策略协同训练的可泛化域自适应
机器人学
2026-01-19 v3 人工智能
摘要
行为克隆在机器人操作方面展现出潜力，但在现实世界中大规模获取演示的成本高昂。虽然仿真数据提供了一种可扩展的替代方案，特别是随着自动演示生成的进步，但策略向现实世界的迁移受到各种仿真与真实域差距的阻碍。在本工作中，我们提出了一个统一的仿真与真实协同训练框架，用于学习可泛化的操作策略，该框架主要利用仿真，且仅需少量真实世界演示。我们方法的核心是学习域不变且与任务相关的特征空间。我们的关键洞察是，跨域对齐观测及其对应动作的联合分布比仅对齐观测（边缘分布）提供了更丰富的信号。我们通过在协同训练框架中嵌入一个最优传输（OT）启发的损失来实现这一点，并将其扩展为非平衡 OT 框架，以处理大量仿真数据与有限真实世界样本之间的不平衡。我们在具有挑战性的操作任务上验证了我们的方法，表明它能够利用丰富的仿真数据使真实世界成功率提高达 30%，甚至能泛化到仅在仿真中见过的场景。项目网页：https://ot-sim2real.github.io/。
引用
@article{arxiv.2509.18631,
title = {Generalizable Domain Adaptation for Sim-and-Real Policy Co-Training},
author = {Shuo Cheng and Liqian Ma and Zhenyang Chen and Ajay Mandlekar and Caelan Garrett and Danfei Xu},
journal= {arXiv preprint arXiv:2509.18631},
year = {2026}
}
备注
Accepted to NeurIPS 2025