自动创建数字表亲以实现稳健的策略学习

文章预览

24年10月来自斯坦福大学李飞飞组的论文“Automated Creation of Digital Cousins for Robust Policy Learning”。 在现实世界中训练机器人策略可能不安全、成本高昂，而且难以扩展。模拟是一种廉价且可能无限的训练数据来源，但却受到模拟环境和现实世界环境之间语义和物理差异的影响。这些差异可以通过在数字孪生中进行训练来最小化，数字孪生是真实场景的虚拟复制品，但生成的成本高昂并且不能产生跨域泛化。 为了解决这些限制，本文提出数字表亲（Digital Cousins），一种虚拟资产或场景，与数字孪生不同，它没有明确模拟现实世界的对应物，但仍表现出相似的几何和语义affordance。因此，数字表亲既降低了生成类似虚拟环境的成本，又提供类似训练场景的分布，提高模拟-到-真实域迁移过程的鲁棒性。利用数字表亲，引入一种自动创建数字表亲的新方法， ………………………………