学习用于机器人布料操作策略 Sim2Real 迁移的切换准则
机器人学
2022-07-05 v1
摘要
仿真到现实迁移已成为一种流行且非常成功的方法，用于训练各种任务的机器人控制策略。然而，通常很难确定在仿真中训练的策略何时可以迁移到物理世界。部署仅用极少仿真数据训练的策略可能导致物理硬件上不可靠和危险的行为。另一方面，在仿真中过度训练会导致策略过拟合于仿真器的视觉外观和动力学。在这项工作中，我们研究自动确定仿真中训练的策略何时可以可靠地迁移到物理机器人的策略。我们特别在机器人布料操作的背景下研究这些思想，其中由于精确建模布料动力学和视觉外观的困难，成功的 sim2real 迁移尤其具有挑战性。在布料平整任务中的结果表明，我们的切换准则与真实世界中的性能密切相关。特别是，我们基于置信度的切换准则在总训练预算的 55-60% 内实现了 87.2-93.7% 的平均最终布料覆盖率。参见 https://tinyurl.com/lsc-case 获取代码和补充材料。
引用
@article{arxiv.2207.00911,
title = {Learning Switching Criteria for Sim2Real Transfer of Robotic Fabric Manipulation Policies},
author = {Satvik Sharma and Ellen Novoseller and Vainavi Viswanath and Zaynah Javed and Rishi Parikh and Ryan Hoque and Ashwin Balakrishna and Daniel S. Brown and Ken Goldberg},
journal= {arXiv preprint arXiv:2207.00911},
year = {2022}
}
备注
CASE 2022. The first two authors contributed equally. 9 pages; 5 figures; 1 table