Reinforcement Learning-Based Model Matching to Reduce the Sim-Real Gap in COBRA

要約

この論文では、COBRA と呼ばれるヘビ ロボットのダイナミクスの精度を向上させることを目的とした強化学習ベースのモデル同定手法を採用しています。
提案されたアプローチは、勾配情報と反復最適化を活用し、実験データとシミュレーションデータを使用して、摩擦係数やアクチュエータパラメータなどの COBRA の動的モデルのパラメータを改良します。
ハードウェア プラットフォームでの実験的検証により、提案されたアプローチの有効性が実証され、ロボット実装におけるシミュレーションと実際のギャップに対処できる可能性が強調されています。

要約(オリジナル)

This paper employs a reinforcement learning-based model identification method aimed at enhancing the accuracy of the dynamics for our snake robot, called COBRA. Leveraging gradient information and iterative optimization, the proposed approach refines the parameters of COBRA’s dynamical model such as coefficient of friction and actuator parameters using experimental and simulated data. Experimental validation on the hardware platform demonstrates the efficacy of the proposed approach, highlighting its potential to address sim-to-real gap in robot implementation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google