强化学习中的 Sim-to-Real 差距：以 TIAGo 和 Isaac Sim/Gym 为例
机器人学
2024-03-28 v2
摘要
本文探讨了在使用 TIAGo 移动操作机器人进行机器人操作的 sim-to-real（仿真到现实）迁移背景下的策略学习方法，重点关注由 Nvidia 开发的两种最先进模拟器：Isaac Gym 和 Isaac Sim。文中讨论了控制架构，特别强调了在仿真和真实环境中实现无碰撞运动。展示的结果证明了成功的 sim-to-real 迁移，显示了由强化学习（RL）训练的模型在仿真设置和真实设置中执行了相似的运动。
引用
@article{arxiv.2403.07091,
title = {Sim-to-Real gap in RL: Use Case with TIAGo and Isaac Sim/Gym},
author = {Jaume Albardaner and Alberto San Miguel and Néstor García and Magí Dalmau-Moreno},
journal= {arXiv preprint arXiv:2403.07091},
year = {2024}
}
备注
Accepted in ERF24 workshop "Towards Efficient and Portable Robot Learning for Real-World Settings". To be published in Springer Proceedings in Advanced Robotics