| Περίληψη: | Η γεφύρωση του χάσματος πραγματικότητας που διαχωρίζει την προσομοιωμένη ρομποτική από τα πειράματα σε υλικό θα μπορούσε να επιταχύνει τη ρομποτική έρευνα μέσω βελτιωμένης διαθεσιμότητας δεδομένων. Αυτή η διπλωματική εργασία διερευνά το Domain Randomization, μια απλή τεχνική χρησιμοποίησης προσομοιώσεων (Sim2Real) για την εκπαίδευση μοντέλων σε φυσικές δυναμικές της προσομοίωσης που μεταφέρονται με τυχαιοποίηση στον πραγματικό κόσμο. Με αρκετή μεταβλητότητα στην προσομοίωση, ο πραγματικός κόσμος μπορεί να φαίνεται στο μοντέλο ως απλώς μια άλλη παραλλαγή. Εστιάζουμε σε προβλήματα που αφορούν την ισορροπία ενός εκκρεμούς σε κατακόρυφο άξονα, την κίνηση αρθρώσεων του απλού βραχίωνα Arm και την ανάθεση ενός πολύπλοκου task στον ρομποτικό βραχίωνα Franka Emika. Διαπιστώνουμε ότι τα μοντέλα που εκπαιδεύονται με τυχαιοποίηση, όχι μόνο μπορούν να γενικευτούν σε δεδομένα του πραγματικού κόσμου, αλλά αποδίδουν πολύ καλύτερα σε σχέση με τα μη τυχαιοποιημένα μοντέλα.
|
|---|
