机器人 VR 眼镜：面向视觉控制的实到仿域适应
机器人学
2019-01-17 v4 计算机视觉与模式识别
机器学习
摘要
本文从新颖视角处理现实差距问题，旨在将模拟环境中学习的深度强化学习（DRL）策略迁移到真实世界域以用于视觉控制任务。不同于在训练阶段通过提高模拟器输出合成图像的视觉保真度来采用该问题的常见解决方案，我们力求在部署阶段通过将真实世界图像流翻译回合成域来解决该问题，使机器人有宾至如归之感。我们提出将其作为视觉控制的轻量、灵活且高效的解决方案，因为 1）在模拟中 DRL 智能体的昂贵训练期间不需要额外的迁移步骤；2）训练好的 DRL 智能体将不限于仅可部署于某一个特定真实世界环境；3）策略训练与迁移操作解耦，并可并行进行。除此之外，我们提出一种对下游任务无关的简单而有效的偏移损失，以约束后续帧之间的一致性，这对一致的策略输出十分重要。我们验证了用于视频艺术风格迁移与域适应的偏移损失，并在室内外机器人实验中验证了我们的视觉控制方法。
引用
@article{arxiv.1802.00265,
title = {VR-Goggles for Robots: Real-to-sim Domain Adaptation for Visual Control},
author = {Jingwei Zhang and Lei Tai and Peng Yun and Yufeng Xiong and Ming Liu and Joschka Boedecker and Wolfram Burgard},
journal= {arXiv preprint arXiv:1802.00265},
year = {2019}
}
备注
IEEE RA-L 2019 to appear. The first two authors contributed equally. Video and supplement file are available on the project page(https://goo.gl/KcvmRm)