何处失准？通过可微分因果发现缩小仿真到现实的差距
机器人学
2023-10-23 v2
摘要
在仿真中训练控制策略比直接在真实机器人上更具吸引力，因为它允许以高效方式探索多样状态。然而，机器人仿真器不可避免地表现出与真实世界动力学的差异，产生表现为动态仿真到现实（sim-to-real）差距的不准确性。现有文献提出通过主动修改特定仿真器参数使仿真数据与真实世界观测对齐来缩小此差距。然而，可调参数集通常手动选择以逐案减少搜索空间，这难以扩展到复杂系统且需要大量领域知识。为解决可扩展性问题并自动化参数调优过程，我们引入COMPASS，其通过发现环境参数与仿真到现实差距之间的因果关系，使仿真器与真实世界对齐。具体而言，我们的方法学习从环境参数到仿真与真实世界机器人-物体轨迹差异的可微分映射。该映射由同时学习的因果图所支配，以帮助剪枝参数搜索空间、提供更好可解释性，并改进对未见参数的泛化。我们执行实验以实现仿真到仿真与仿真到真实迁移，并表明在若干挑战性操纵任务中，我们的方法在轨迹对齐与任务成功率上较强基线有显著提升。
引用
@article{arxiv.2306.15864,
title = {What Went Wrong? Closing the Sim-to-Real Gap via Differentiable Causal Discovery},
author = {Peide Huang and Xilun Zhang and Ziang Cao and Shiqi Liu and Mengdi Xu and Wenhao Ding and Jonathan Francis and Bingqing Chen and Ding Zhao},
journal= {arXiv preprint arXiv:2306.15864},
year = {2023}
}