通过生成模型学习一个真实世界互动的通用模拟器 (UniSim),以模拟高级指令和低级控制的可视结果,并用于训练高级视觉 - 语言规划器和低级增强学习策略,实现纯粹从学习的真实世界模拟器中的零样本现实世界转移。
Oct, 2023
通过模拟环境构建数字双子,提出了一种通过强化学习来增强真实世界模仿学习策略的系统 RialTo,实现高性能、鲁棒性的策略的学习,同时避免大量不安全的真实数据收集和大量人工监督。
Mar, 2024
利用图像扩散模型生成 3D 资产并查询语言和视觉生成模型,通过自动化生成任务描述、任务分解和奖励函数,实现在模拟环境中扩大机器人技能学习的方法。该方法成功地实现了多样性长期任务的策略学习,为模拟中的机器人技能获取迈出了一步。
本文研究人形态智能的应用于外科机器人学习的新交互式模拟平台,以人机交互的形式,以增加更有效的策略学习,通过收集人类示范并模仿动作模式,展示了仿真环境的改进和验证最先进的强化学习算法。
Jan, 2023
提出了使用 Reverse Action Transformation(RAT)策略的方法来解决模拟到现实世界之间的转换问题,并且和其他基线模型相比,在连续控制任务中可实现零样本适应。
Feb, 2023
通过利用少量真实世界数据来自动完善模拟模型并规划准确的控制策略,在多个具有挑战性的机器人操作任务中,我们展示了这种模式对识别关节、质量和其他物理参数的有效性,并且说明了只需少量真实世界数据即可进行有效的模拟到真实世界的转换。
Apr, 2024
通过强化学习在模拟环境中训练机器人并结合补充奖励策略,与真实机器人进行进一步的微调来优化探索策略,实验结果表明,这种相互对齐的方法可以在真实和模拟环境中实现更好的性能。
Jul, 2017
本研究使用深度强化学习的 actor-critic 算法,利用物理模拟器的完全状态可观测性,针对机器人操作中的部分观测(RGBD 图像)的问题进行训练,通过使用不对称输入来显著提高性能,并使用领域随机化的方法,实现了在没有真实世界数据的情况下,在真实机器人上进行的模拟到真实世界的转移。
Oct, 2017
通过自我监督的模仿学习方法,使用自回归时空图神经网络进行辅助饮水任务,利用多样化的人体运动轨迹数据来生成适合 UR5e 机器臂的自然而又功能性的饮水运动轨迹。
Sep, 2023
通过生成仿真系统,RoboGen 是一种生成式机器人代理,可以自动学习各种机器人技能,从而规模化地进行机器人技能学习,减少人类监督。
Nov, 2023