PolySim：通过多模拟器动力学随机化桥接人形机器人控制的仿真-现实鸿沟
机器人学
2025-10-15 v3 人工智能
摘要
在仿真中训练的人形全身控制 (WBC) 策略常常 suffer 于仿真-现实鸿沟，这基本源于仿真器的归纳偏差，任何单个仿真器都具有的固有假设和局限。这些偏差导致跨仿真器以及仿真与现实之间的显著差异。为缓解仿真器归纳偏差的影响，关键思想是跨多个仿真器联合训练策略，鼓励所学控制器捕获超越单个仿真器假设的动力学。因此，我们引入 PolySim，一个集成多个异构仿真器的 WBC 训练平台。PolySim 可以在单次训练运行中同时启动来自不同引擎的并行环境，从而实现动力学级域随机化。理论上，我们展示 PolySim 相对于单仿真器训练可获得更紧的仿真器归纳偏差上界。在实验中，PolySim 在仿真-仿真评估中显著降低了运动跟踪误差；例如，在 MuJoCo 上，执行成功率提高了 52.8 倍。PolySim 进一步实现了在无需额外微调的情况下，将策略零射到真实的 Unitree G1 机器人上，显示出有效的从仿真到现实的迁移。我们将在本文接受后发布 PolySim 代码。
引用
@article{arxiv.2510.01708,
title = {PolySim: Bridging the Sim-to-Real Gap for Humanoid Control via Multi-Simulator Dynamics Randomization},
author = {Zixing Lei and Zibo Zhou and Sheng Yin and Yueru Chen and Qingyao Xu and Weixin Li and Yunhong Wang and Bowei Tang and Wei Jing and Siheng Chen},
journal= {arXiv preprint arXiv:2510.01708},
year = {2025}
}
备注
8 pages, 5 figures