在模拟中评估现实世界的机器人操作策略

文章预览

24年5月来自 UC San Diego, Stanford U, UC Berkeley, Google Deepmind的论文“Evaluating Real-World Robot Manipulation Policies in Simulation”。 机器人领域在通用机器人操纵策略方面取得了重大进展。然而，对此类策略的真实世界评估不可扩展，并且面临可重复性的挑战，随着策略扩大其可执行的任务范围，这些挑战可能会恶化。这项工作证明基于模拟的评估可以成为现实世界评估的可扩展、可重复和可靠的智体。将真实环境和模拟环境之间的控制和视觉差异，确定为可靠模拟评估的主要挑战，并提出了缓解这些差距的方法，无需制作真实环境的全保真数字孪生。然后，采用这些方法创建 SIMPLER，这是一组模拟环境，用于在常见的真实机器人设置上进行操纵策略评估。对操纵策略进行模拟和真实配对的评估，证明 SIMPLER 环境和现实世界的策略性能之间存在很强的相关性。此外 ………………………………