用概率动力学模型预测仿真到真实的迁移
机器学习
2020-09-29 v1 人工智能
机器人学
摘要
我们提出了一种预测 RL 策略的仿真到真实（sim-to-real）迁移性能的方法。我们的迁移度量简化了仿真中训练设置（如算法、超参数、随机化）与策略的选择，无需大量耗时的真实世界 rollout。一个概率动力学模型与策略一同训练，并在一组固定的真实世界轨迹上评估以获得该迁移度量。实验表明，在复杂操作任务的仿真与真实世界机器人环境中，该迁移度量与策略性能高度相关。我们进一步表明该迁移度量可预测训练设置对策略迁移性能的影响。
引用
@article{arxiv.2009.12864,
title = {Predicting Sim-to-Real Transfer with Probabilistic Dynamics Models},
author = {Lei M. Zhang and Matthias Plappert and Wojciech Zaremba},
journal= {arXiv preprint arXiv:2009.12864},
year = {2020}
}