软体机器人设计的可扩展仿真到现实迁移
机器人学
2019-11-26 v1 机器学习
摘要
软体机器人及其控制器的手动设计众所周知极具挑战，但可通过自动化设计工具来增强——或在某些情况下完全取代。机器学习算法能够在仿真中自动提出、测试和 refinement 设计，然后将最有前景的设计在现实中制造出来（sim2real）。然而，目前尚不清楚如何保证在仿真中产生的行为在部署到现实时得以保持。尽管许多先前的研究设计了促进控制策略 sim2real 迁移的训练协议，但极少有工作将仿真-现实差距作为形态的函数进行探究。这部分是由于总体上缺乏能够系统设计并快速制造机器人的工具。在此，我们介绍一套低成本、开源且模块化的软体机器人设计与构建套件，并用它来仿真、制造并测量最简复杂却具软体、运动能力的机器的仿真-现实差距。我们通过将比任何其他方法多一个数量级的机器人设计从仿真迁移到现实，证明了该方法的可扩展性。该套件及其说明可在 https://github.com/skriegman/sim2real4designs 找到。
引用
@article{arxiv.1911.10290,
title = {Scalable sim-to-real transfer of soft robot designs},
author = {Sam Kriegman and Amir Mohammadi Nasab and Dylan Shah and Hannah Steele and Gabrielle Branin and Michael Levin and Josh Bongard and Rebecca Kramer-Bottiglio},
journal= {arXiv preprint arXiv:1911.10290},
year = {2019}
}