Real2Sim 还是 Sim2Real：基于深度强化学习与 Real2Sim 策略自适应的机器人视觉插入
机器人学
2022-06-07 v1 人工智能
摘要
强化学习已在插入、抓取等机器人任务中展现出广泛用途。然而，若无实用的 sim2real 策略，在仿真中训练的策略可能在真实任务上失败。关于 sim2real 策略也有广泛研究，但多数方法依赖繁重的图像渲染、域随机化训练或调参。在本工作中，我们以纯视觉强化学习方案解决插入任务，且对基础设施要求极低。我们还提出了一种新颖的 sim2real 策略，Real2Sim，为策略自适应提供了新颖且更简便的方案。我们讨论了 Real2Sim 相较于 Sim2Real 的优势。
引用
@article{arxiv.2206.02679,
title = {Real2Sim or Sim2Real: Robotics Visual Insertion using Deep Reinforcement Learning and Real2Sim Policy Adaptation},
author = {Yiwen Chen and Xue Li and Sheng Guo and Xian Yao Ng and Marcelo Ang},
journal= {arXiv preprint arXiv:2206.02679},
year = {2022}
}