EAGERx: Graph-Based Framework for Sim2real Robot Learning

要約

Sim2real、つまり学習した制御方針をシミュレーションから現実世界へ移すことは、複雑なタスクを効率的に処理できる可能性があるため、ロボット工学において関心が高まっている分野です。Sim2realアプローチは、シミュレーションと現実の不一致による課題に直面しています。このような不一致は、物理現象のモデル化の不正確さや非同期制御などの要因から生じます。このため、現実とシミュレーションの両方のロボット学習のための統一されたソフトウェアパイプラインを持つフレームワークであるEAGERxを紹介する。EAGERxは様々なシミュレータをサポートし、状態、動作、時間スケールの抽象化を統合して学習を容易にする。EAGERxの統合された遅延シミュレーション、領域ランダム化機能、および提案された同期アルゴリズムは、シミュレーションとリアルのギャップの縮小に貢献する。我々は、多様なロボットシステムに対応し、一貫したシミュレーション動作を維持するEAGERxの有効性を（ロボット学習およびそれ以外の文脈において）実証する。EAGERxはオープンソースであり、そのコードはhttps://eagerx.readthedocs.io。

要約(オリジナル)

Sim2real, that is, the transfer of learned control policies from simulation to real world, is an area of growing interest in robotics due to its potential to efficiently handle complex tasks. The sim2real approach faces challenges due to mismatches between simulation and reality. These discrepancies arise from inaccuracies in modeling physical phenomena and asynchronous control, among other factors. To this end, we introduce EAGERx, a framework with a unified software pipeline for both real and simulated robot learning. It can support various simulators and aids in integrating state, action and time-scale abstractions to facilitate learning. EAGERx’s integrated delay simulation, domain randomization features, and proposed synchronization algorithm contribute to narrowing the sim2real gap. We demonstrate (in the context of robot learning and beyond) the efficacy of EAGERx in accommodating diverse robotic systems and maintaining consistent simulation behavior. EAGERx is open source and its code is available at https://eagerx.readthedocs.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL