sim2real transfer | BriefGPT

关键词sim2real transfer

搜索结果 - 19

音频 - 视觉导航的模拟到现实迁移和频率自适应声场预测
在学习机器人任务与模拟端到端成功的基础上，视觉导航策略的转换取得了很大进展，然而，现有的声音 - 视觉导航的模拟到真实转换策略在进行数据增强时往往是经验性的，而没有对声学差异进行测量。本文提出了首个声音 - 视觉导航的模拟到真实处理方法，将
PDF2 months ago
视觉全身控制用于腿部步态操纵
研究了使用装备有机械臂的四足机器人进行移动操纵的问题，提出了一种整体控制的框架，包括以视觉观测为基础的低层次控制策略和基于视觉输入的高层次策略，通过在仿真中训练并进行真实机器人部署的 Sim2Real 转换，取得了在不同配置（高度、位置、方
PDF3 months ago
人形机器人的表达性全身控制
我们提出了一种能够在真实世界中让机器人产生丰富、多样和表现力强的动作的方法，通过在一个人型机器人上学习一个整体控制策略，尽可能地模仿人类的真实动作。通过在强化学习框架中利用图形社区的大规模人体动作捕捉数据来训练这种策略，但是直接使用动作捕捉
PDF4 months ago
在真实环境中使用混合策略进行多目标导航
我们提出了一种混合导航方法，将多对象导航（Multi-ON）任务分解为两个不同的技能：（1）使用经典 SLAM 和符号规划器处理航路点导航，而（2）使用结合监督学习和强化学习训练的深度神经网络处理探索、语义建图和目标检索，我们展示了该方法在
PDF5 months ago
基于估计器耦合的强化学习用于稳定纯触觉手内操纵
通过训练过程中将控制策略与状态估计器耦合，本文解决了将强化学习控制器和状态估计器简单组合的问题，实现了对具有挑战性的纯触觉、目标条件、手部重新定位任务的高性能，同时保持比端到端策略学习更好的可解释性优势。
PDF8 months ago
M2T2：多任务遮罩变形器用于以对象为中心的拾放
M2T2 是一种使用 Transformer 模型的单一模型，它能够供应不同类型的低级动作，在杂乱的场景中对任意对象进行稳定工作。训练于 128K 个场景的大规模合成数据集，M2T2 在真实机器人上实现了零样本仿真到现实的转换，在整体性能上
PDF8 months ago
基于世界模型的视觉导航的 Sim2Real 迁移
一种使用 Bird's Eye View 图像作为中间表示的系统，在模拟器中训练并能够通过零样本转移到真实世界，在真实世界环境中通过 Anchor 图像和混合密度 LSTM 增强鲁棒性，通过 Differential drive 机器人在
PDF8 months ago
通过观测映射和行为克隆的少样本策略转移框架
通过观察映射和行为克隆，本文提出了一个针对两个领域的少样本策略传递框架，利用生成对抗网络（GANs）和循环一致性损失将源领域和目标领域之间的观察映射，并将获取的映射用于将成功的源任务行为策略克隆到目标领域，进而实现有限目标任务交互情况下和源
PDF9 months ago
时间步频对不同尺度物体机器人操纵仿真的逼真度影响
增加时间步频率和组件规模可提高机器人操纵模拟的准确性，该研究以两种物体几何形状的预装配部件拾取模拟为基础，探讨如何提高机器人装配过程中的模拟到现实转化。
PDF9 months ago
动态移交：双手挥动和接住
设计了一个系统，其中包含两只附着在机器人手臂上的多指手，用于解决机器人在高速操作、精确协作和与不同对象进行交互时面临的挑战。通过在模拟中使用多智能体强化学习训练，并进行 Sim2Real 转移以在真实机器人上实施，提供了多个创新算法设计，包
PDF10 months ago
DiAReL: 机器人控制中的扰动感知鲁棒性 Sim2Real 策略迁移强化学习
本文研究了引入扰动估计的延迟条件下，通过扩展状态空间的方式应用马尔可夫决策过程的新方法，可以提高机器人控制的稳定性和鲁棒性。
PDFa year ago
基于视觉的 DRL 自主驾驶代理与 Sim2Real 迁移
该研究提出了一种基于视觉的深度强化学习车辆控制方法，能够同时执行车道保持和跟车操作，具有从虚拟环境到真实环境的迁移能力，为自主驾驶技术的研究提供了新思路和方法。
PDFa year ago
学习用于 6D 非预抓取操作的混合演员评论员映射
本文介绍了一种利用强化学习方法进行非图像化的六自由度物体操作的方法，即 Hybrid Actor-Critic Maps for Manipulation (HACMan)，其提出了非捏持操作的物体分析和空间关联动作建模，采用离散 - 连续
PDFa year ago
控制变压器：基于 PRM 引导的返回条件序列建模的机器人在未知环境中导航
本文提出控制变压器 (Control Transformer) 结合基于采样的概率路图规划器 (Probabilistic Roadmap Planner) 的低层策略，应用于机器人领域的长周期任务，结果表明我们的框架可以仅利用局部信息解决
PDF2 years ago
机器人操作任务的强化学习中随机化效应对于 Sim2Real 转移的分析
本研究定义了一种易于重现的实验设置，用于比较四种随机化策略及三种随机参数在仿真和实验机器人上完成的任务。研究发现，完全随机生成仿真和精细调整策略可以更好地转移到现实机器人，并且比其他测试方法更有差异化的结果。
PDF2 years ago
具备不确定因素感知的普适策略系统识别
本文介绍了一种名为 Uncertainty-aware policy search 的策略搜索方法，通过结合与给定环境相关的 UPN 策略，采用类似 DR 的方法，使用鲁棒性贝叶斯优化来制定强鲁棒性策略。在一系列嘈杂的连续控制环境中的实验证
PDF2 years ago
有效的 Sim2Real 迁移干预设计
本文旨在通过因果推断的角度解释环境干预在域随机化和数据增强中的优越性，并将其作为培养对不相关特征不变性的手段。研究发现，通过在真实世界存在变化的维度中展示具有相似变化的干扰，可以提高学习算法对其它干扰的鲁棒性并提高模拟环境转移的泛化能力。
PDF4 years ago
使用机械手解决魔方
本文阐述了通过自动域随机化（ADR）算法和机器学习机器人平台的组合，可以使仅在模拟中训练的模型用于解决一个真实机器人的无前例复杂操纵问题，ADR 使得策略控制和视觉状态估计器的 sim2real 迁移显著改善，ADR 与客制化机器学习机器人
PDF5 years ago
针对多样化视觉动作技能的强化学习和模仿学习
该研究提出了一种模型无关的深度强化学习方法，利用少量的演示数据来协助强化学习代理。作者将该方法应用于机器人操作任务并训练了端到端的视觉 - 动力学策略，直接从 RGB 相机输入到关节速度。实验结果表明，与仅使用强化学习或模仿学习训练代理的结
PDF6 years ago