NeuronsGym: A Hybrid Framework and Benchmark for Robot Tasks with Sim2Real Policy Learning

要約

身体化型 AI の台頭により、一般的なモバイル エージェント システムの可能性が大幅に向上しました。
現在、豊富なシーン、高い視覚的忠実度、さまざまなアプリケーション シナリオを備えた多くの評価プラットフォームが開発されています。
この論文では、ロボット タスクのポリシー学習に使用できる NeuronsGym という名前のハイブリッド フレームワークを紹介します。このフレームワークは、ポリシーをトレーニングするためのシミュレーション プラットフォームと、sim2real 問題を研究するための物理システムをカバーします。
現在のほとんどのシングルタスクで動きの遅いロボット プラットフォームとは異なり、当社のフレームワークは、より幅広い速度を備えた機敏な物理ロボットを提供し、ロボットのナビゲーションと対立ポリシーのトレーニングに採用できます。
同時に、ロボットナビゲーションの安全性を評価するために、現在の移動ロボットナビゲーションにおける安全性評価を向上させるための安全重み付け経路長(SFPL)を提案します。
このプラットフォームに基づいて、現在の主流の sim2real 手法を比較することにより、このプラットフォームの下でナビゲーションおよび対決タスクの新しいベンチマークを構築し、2022 IEEE Con​​ference on Games (CoG) RoboMaster sim2real チャレンジを開催します。
私たちはこのフレームワーク\footnote{\url{https://github.com/DRL-CASIA/NeuronsGym}}のコードを公開し、このプラットフォームがより柔軟で機敏な一般的なモバイル エージェント アルゴリズムの開発を促進できることを期待しています。

要約(オリジナル)

The rise of embodied AI has greatly improved the possibility of general mobile agent systems. At present, many evaluation platforms with rich scenes, high visual fidelity and various application scenarios have been developed. In this paper, we present a hybrid framework named NeuronsGym that can be used for policy learning of robot tasks, covering a simulation platform for training policy, and a physical system for studying sim2real problems. Unlike most current single-task, slow-moving robotic platforms, our framework provides agile physical robots with a wider range of speeds, and can be employed to train robotic navigation and confrontation policies. At the same time, in order to evaluate the safety of robot navigation, we propose a safety-weighted path length (SFPL) to improve the safety evaluation in the current mobile robot navigation. Based on this platform, we build a new benchmark for navigation and confrontation tasks under this platform by comparing the current mainstream sim2real methods, and hold the 2022 IEEE Conference on Games (CoG) RoboMaster sim2real challenge. We release the codes of this framework\footnote{\url{https://github.com/DRL-CASIA/NeuronsGym}} and hope that this platform can promote the development of more flexible and agile general mobile agent algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google