NeuronsGym：面向 Sim2Real 策略学习机器人任务的混合框架与基准
机器人学
2024-10-30 v2
摘要
具身 AI 的兴起极大地提升了通用移动智能体系统的可能性。目前，已经开发出许多具有丰富场景、高视觉保真度和各种应用场景的评估平台。在本文中，我们提出了一个名为 NeuronsGym 的混合框架，可用于机器人任务的策略学习，涵盖用于训练策略的仿真平台和用于研究 sim2real 问题的物理系统。与当前大多数单任务、运行缓慢的机器人平台不同，我们的框架提供了速度范围更广的敏捷物理机器人，可用于训练机器人导航和对抗策略。同时，为了评估机器人导航的安全性，我们提出了一种安全加权路径长度（SFPL）以改进当前移动机器人导航中的安全评估。基于该平台，我们通过比较当前主流的 sim2real 方法，在此平台下构建了用于导航和对抗任务的新基准，并举办了 2022 IEEE 游戏大会（CoG）RoboMaster sim2real 挑战赛。我们发布了该框架的代码\footnote{\url{https://github.com/DRL-CASIA/NeuronsGym}}，并希望该平台能促进更灵活、更敏捷的通用移动智能体算法的发展。
引用
@article{arxiv.2302.03385,
title = {NeuronsGym: A Hybrid Framework and Benchmark for Robot Tasks with Sim2Real Policy Learning},
author = {Haoran Li and Shasha Liu and Mingjun Ma and Guangzheng Hu and Yaran Chen and Dongbin Zhao},
journal= {arXiv preprint arXiv:2302.03385},
year = {2024}
}
备注
16 pages, 10 figures