在 FalconGym 2.0 中使用可编辑高斯泼溅的性能引导视觉空中导航优化
机器人学
2025-10-03 v1
摘要
视觉策略设计对空中导航至关重要。然而，最先进的视觉策略通常对单一赛道过拟合，当赛道几何形状改变时其性能会下降。我们开发了 FalconGym 2.0，这是一个基于高斯泼溅（GSplat）构建的光照逼真模拟框架，带有 Edit API，可在毫秒内程序化生成多样的静态和动态赛道。利用 FalconGym 2.0 的可编辑性，我们提出了一种性能引导优化（PGR）算法，该算法将视觉策略的训练集中在具有挑战性的赛道上，同时迭代地提升其性能。通过两个具有不同动力学和环境的案例研究（固定翼无人机和四旋翼），我们表明在 FalconGym 2.0 中使用 PGR 训练的单一视觉策略在泛化性和鲁棒性上优于最先进的基线：它无需逐赛道重训练即可泛化到三个未见过的赛道并达到 100% 成功率，且在门位姿扰动下保持更高的成功率。最后，我们证明了在 FalconGym 2.0 中使用 PGR 训练的视觉策略可以零样本 sim-to-real 迁移到四旋翼硬件上，在跨越两个三门赛道和一个移动门赛道的 30 次试验中，达到了 98.6% 的成功率（69 / 70 门）。
引用
@article{arxiv.2510.02248,
title = {Performance-Guided Refinement for Visual Aerial Navigation using Editable Gaussian Splatting in FalconGym 2.0},
author = {Yan Miao and Ege Yuceel and Georgios Fainekos and Bardh Hoxha and Hideki Okamoto and Sayan Mitra},
journal= {arXiv preprint arXiv:2510.02248},
year = {2025}
}