arXiv · 机器人与计算机视觉· Nicklas Sohm, Aswin Ramachandran, Raffaello D'Andrea·· 16 天前精选AI 评分78
KlaskTron-IL:一种具有验证过的仿真到现实桥接的富接触对抗模仿学习基准
KlaskTron-IL: A Contact-Rich Adversarial Imitation Learning Benchmark with a Validated Sim-to-Real Bridge
AI 导读
作者构建了 KlaskTron-IL 基准,包含 80k 物理机器人采集的人类演示、320k 对称增强数据及由零样本验证策略生成的合成轨迹。该基准揭示了标准模仿学习方法在富接触对抗动力学下的三种典型失效模式:行为克隆的数据扩展瓶颈、GAIL 判别器梯度弱以及行为克隆先验与奖励密度的非对称交互。由于策略接口与硬件执行器模型一致,在此范围内训练的强基线策略可直接迁移至物理机器人运行。
推荐理由
作者构建了含接触对抗的模仿学习基准,提供零样本仿真到现实迁移策略与诊断基线,揭示标准方法在复杂动力学下的失效模式。
来源:arXiv · 机器人与计算机视觉 · arxiv.org