基于神经仿真间隙函数的 Sim2Real 差距量化

本文引入了神经仿真间隙函数的概念，该函数形式化地量化了数学模型与高保真仿真器中模型之间的差距，其中高保真仿真器中的模型与真实世界高度相似。许多情况下，为数学模型设计的控制器在现实中无法工作，因为两个系统之间存在未建模的差距。借助该仿真间隙函数，可以使用现有的基于模型的工具为数学系统设计控制器，并形式化地保证从仿真到现实世界的良好过渡。尽管在本工作中，我们使用通过有限数据点训练的神经网络量化了这一差距，但我们对包括未见数据点在内的整个状态空间上的仿真间隙函数给出了形式化保证。我们利用 Real-to-Sim 迁移的最新进展从高保真仿真器中收集数据，以确保与现实的紧密对齐。我们通过两个案例研究——一个麦克纳姆轮机器人和一个单摆——展示了我们的结果。