每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

PolySim：通过多模拟器动态随机化弥合人形控制的模拟与现实差距

Created by
  • Haebom

作者

雷子星、周子波、殷盛、陈月如、徐庆耀、李伟新、王云红、唐博伟、静伟、陈思恒

PolySim：使用多个模拟器进行全身人形控制

大纲

本文介绍了一个名为 PolySim 的训练平台，该平台使用多个异构模拟器训练策略，以解决基于模拟的人形全身控制 (WBC) 策略中由于模拟器固有假设和局限性而产生的模拟与现实差距问题。PolySim 通过在多个模拟器上同时运行并行环境来实现动态级域随机化。理论上，我们证明了 PolySim 比单模拟器训练对模拟器引起的偏差提供了更严格的上限。实验结果表明，PolySim 显著降低了模拟到模拟评估中的运动跟踪误差（例如，在 MuJoCo 上，与基于 IsaacSim 的方法相比，成功率提高了 52.8%），并且无需额外微调即可在真实的 Unitree G1 机器人上进行零样本部署，展现了从模拟到现实环境的有效迁移。

Takeaways, Limitations

•
Takeaways：
◦
通过多模拟器学习弥合模拟与现实之间的差距。
◦
与单一模拟器训练（模拟到模拟、真实机器人部署）相比，性能有所提高。
◦
模拟器诱导偏差的理论分析。
•
Limitations：
◦
本文中使用的模拟器或硬件的具体类型的信息可能有所缺失。
◦
PolySim 的效率和通用性还有待进一步研究。
◦
需要验证对现实环境中各种变化的适应性。
◦
论文发表后，PolySim 代码将会公开。
👍
Made with Slashpage