Soccer 领域的 Sim2Real 强化学习
机器人学
2025-12-17 v1 机器学习
摘要
本论文提出了一种更高效、更有效的方法，用于通过强化学习（RL）训练人形机器人的控制任务。传统的 RL 方法在适应真实环境、复杂性和自然运动方面受限，但本文提出的方法通过采用课程训练和对抗运动先验（AMP）技术克服了这些限制。结果表明，开发的用于踢球、行走和跳跃的 RL 策略更具动态性和适应性，并优于先前的方法。然而，将从模拟中学习的策略成功地 transferred 到真实世界，这凸显了当前 RL 方法在完全适应真实场景方面的局限性。
引用
@article{arxiv.2512.12437,
title = {Sim2Real Reinforcement Learning for Soccer skills},
author = {Jonathan Spraggett},
journal= {arXiv preprint arXiv:2512.12437},
year = {2025}
}
备注
Undergrad Thesis