无需动力学随机化的强化学习仿真到实境迁移
人工智能
2020-02-27 v1 机器学习
机器人学
摘要
在本工作中，我们展示了如何在关节与笛卡尔约束下使用操作空间控制框架（OSC）进行笛卡尔空间中的强化学习。因此，我们的方法能够快速学习且具有可调自由度，同时我们能够在 KUKA LBR iiwa 销孔装配任务上无需额外动力学随机化即可迁移策略。在仿真中学习开始之前，我们执行系统辨识，以使仿真环境尽可能与真实机器人动力学对齐。向 OSC 控制器添加约束使我们能够在真实机器人上以安全方式学习，或学习可灵活、以目标为条件的策略，该策略可轻松从仿真迁移至真实机器人。
引用
@article{arxiv.2002.11635,
title = {Sim2Real Transfer for Reinforcement Learning without Dynamics Randomization},
author = {Manuel Kaspar and Juan David Munoz Osorio and Jürgen Bock},
journal= {arXiv preprint arXiv:2002.11635},
year = {2020}
}