EAGERx：面向 Sim2real 机器人学习的图基框架
计算机视觉与模式识别
2024-07-16 v2
摘要
Sim2real，即将从仿真中学习的控制策略迁移到实际应用，是机器人领域的一个日益受关注的方向，因其潜在的高效处理复杂任务能力。Sim2real 方法面临仿真与现实之间的不匹配挑战，这些差异源于对物理现象建模不准确以及控制异步等因素。为此，我们引入 EAGERx，一个用于仿真与实际机器人学习的统一软件管线。它支持多种仿真器，并辅助整合状态、动作和时间尺度抽象，以促进学习。EAGERx 的集成延迟仿真、域随机化功能以及提出的同步算法有助于缩小 sim2real 差距。我们在机器人学习及其他领域展示了 EAGERx 在适应多样化机器人系统并维持一致仿真行为方面的有效性。EAGERx 为开源软件，代码已公开于 https://eagerx.readthedocs.io。
引用
@article{arxiv.2407.04327,
title = {TF-SASM: Training-free Spatial-aware Sparse Memory for Multi-object Tracking},
author = {Thuc Nguyen-Quang and Minh-Triet Tran},
journal= {arXiv preprint arXiv:2407.04327},
year = {2024}
}