15分钟内学习仿真-真实人类oid locomotion

大规模并行仿真已将机器人强化学习训练时间从天数缩短到分钟。然而，实现快速可靠的仿真-真实人类oid locomotion 仍然困难，因为面临诸多挑战，如高维度和域随机化。在本工作中，我们引入一种简单实用的配方，基于off-policy RL算法，即FastSAC和FastTD3，使人类oid locomotion 策略仅需15分钟即可在单张RTX 4090 GPU上训练。我们的简单配方通过精心调整的设计选择和简约奖励函数，在数千个并行环境中稳定off-policy RL算法。我们展示了在强大的域随机化条件下（包括随机化动力学、粗糙地形和推力扰动），以及在Unitree G1和Booster T1机器人上快速训练全身人类动作跟踪策略。我们提供视频和开源实现，链接为：https://younggyo.me/fastsac-humanoid。