跳到正文
arXiv · 机器人与计算机视觉· \'Alvaro D\'iez (Department of Computer Science,Artificial Intelligence, University of Alicante), Fidel Aznar (Department of Computer Science,Artificial Intelligence, University of Alicante)·· 2026-10-06AI 评分42

双变分自编码器实现低成本机器人导航的高效仿真到现实迁移

Dual Variational Autoencoders for Efficient Sim-to-Real Transfer in Low-Cost Robotic Navigation

AI 导读

阿利坎特大学团队提出结合域随机化与特征级域适应的混合框架,利用 45225 张仿真图和 4556 张真实图训练共享解码器架构。该方法在真实室内导航图像分类任务中平均成功率近 91%,显著优于纯仿真或纯现实训练基线。研究已在低成本机器人上完成反应式探索任务的直接部署,并验证了在树莓派 4 和 NVIDIA Jetson Nano 等嵌入式平台上的计算效率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org