sim2real gap | BriefGPT - AI 论文速递

关键词sim2real gap

搜索结果 - 6

在实际环境中学习高效准确导航
在自主导航的地面机器人领域，现有的研究大多使用真实感的动力学和感知模型，而本篇论文致力于通过在仿真环境中进行端到端的训练，减小模型在现实机器人平台上的差距，并取得了显著的性能和稳健性的提升。
PDF5 months ago
DexTouch：学习使用触觉灵巧性寻找和操纵物体
通过使用触觉传感器而无需依赖视觉信息，我们介绍了一个多指机器人系统，用于搜索和操纵随机位置的目标物体，并在模拟环境中训练和转移政策，证明了使用触觉传感器进行物体搜索和操纵任务的可行性，以实现赋予机器人类似人类触觉能力的目标。
PDF5 months ago
基于视觉触觉传感器的物体表面分类的 Sim2Real 双层自适应
通过 Diffusion 模型来解决视觉触觉传感器中的 Sim2Real 差距，使用小规模真实世界图像数据集通过 DIGIT 传感器采集自未标记的日常物品，并通过模拟器生成图片，并使用 Diffusion 模型将这些模拟图片转化到真实领域，
PDF8 months ago
扩散式数据集生成：缩小行人检测 Sim2Real 差距的步伐
该研究提出了一种使用扩散模型增强模拟数据集的方法，以改善行人检测在现实世界数据中的性能，并使用扩散基础架构来生成具有真实分布的数据集，以填补模拟数据和真实数据之间的差距，通过使用生成数据与模拟数据进行的训练可以将行人检测模型在真实数据中的平
PDFa year ago
一种平台不可知的深度强化学习框架，用于自动驾驶中的有效 Sim2Real 迁移
该论文提出了一种强大的 DRL 框架，该框架利用特定于平台的感知模块来提取任务相关信息，并在模拟中训练车道跟踪和超车代理程序，从而促进了 DRL 代理程序对于新的模拟环境和真实世界的无缝转移并极大地缩小了不同平台之间的差距和模拟与现实之间的
PDFa year ago
零样本 Sim2Real 环境自适应
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。
PDFa year ago