重新思考 Sim2Real：较低保真度仿真带来更高的导航 Sim2Real 迁移
机器人学
2022-11-29 v2
摘要
如果我们想在部署前于仿真中训练机器人，减少 sim2real 差距涉及创建保真度越来越高的仿真器（因为现实就是现实）似乎很自然且近乎不言自明。我们挑战这一假设并提出相反假设——机器人的 sim2real 迁移或许可通过较低（而非较高）保真度仿真得以改善。我们在视觉导航问题上对该假设进行了系统的大规模评估——在现实世界中，以及使用 3 种不同机器人（A1、AlienGo、Spot）在 2 种不同仿真器（Habitat 和 iGibson）上。我们的结果表明，与预期相反，增加保真度无助于学习；由于仿真速度慢（阻碍大规模学习）以及对仿真物理中不精确处的过拟合，性能较差。相反，利用真实世界数据构建简单的机器人运动模型可改善学习与泛化。
引用
@article{arxiv.2207.10821,
title = {Rethinking Sim2Real: Lower Fidelity Simulation Leads to Higher Sim2Real Transfer in Navigation},
author = {Joanne Truong and Max Rudolph and Naoki Yokoyama and Sonia Chernova and Dhruv Batra and Akshara Rai},
journal= {arXiv preprint arXiv:2207.10821},
year = {2022}
}