Zurück zu Research

Sim-Real-Transfer: Ein praktischer Leitfaden

Wie man Roboter-Politiken von der Simulation in die reale Welt erfolgreich überträgt.

Die Lücke in der Realität

Die Ergebnisse der Simulationen werden in der realen Welt auf 30 50% geschätzt. Diese "Realitätshintergrund" entsteht aus visuellen Unterschieden (Rendering vs. Real-Images), Physik-Unterschieden (Kontaktmodellungsgenauigkeiten) und Sensorlärmmustern.

Drei Strategien

Domain-Randomisierung: Trainieren Sie über große Parameterverteilungen, so dass die reale Welt "nur eine weitere Probe" ist. Systemidentifizierung: Messen und kalibrieren Sie Simulationsparameter sorgfältig, um mit der Realität übereinzukommen. Fein-Tuning: Trainieren Sie in der Simulation, sammeln Sie dann einen kleinen Datensatz aus der realen Welt (50200 Episoden) und feinen-Tuning. Die meisten erfolgreichen Bereitstellungen kombinieren alle drei.

  • Domänenrandomisierung: am besten für visuelle Richtlinien
  • Systemidentifizierung: am besten für kontaktreiche Aufgaben
  • Real-Welt-Feinabstimmung: fast immer verbessert die Leistung
  • Empfehlung: alle drei kombinieren

Praktische Tipps

Beginnen Sie mit MuJoCo oder Isaac Sim (beide haben gute Kontaktmodelle). Randomizieren Sie die Kameraposition, Beleuchtung und Objektechturen aggressiv. Messen Sie echte Gelenkstrieb und Dämpfung. Validieren Sie sim-zu-reale auf einer einfachen Aufgabe, bevor Sie komplexe versuchen. RCSV bietet kalibrierte Simulationsmodelle für OpenArm.

Die Lücke in der Realität

Die Ergebnisse der Simulationen werden in der realen Welt auf 30 50% geschätzt. Diese "Realitätshintergrund" entsteht aus visuellen Unterschieden (Rendering vs. Real-Images), Physik-Unterschieden (Kontaktmodellungsgenauigkeiten) und Sensorlärmmustern.

Drei Strategien

Domain-Randomisierung: Trainieren Sie über große Parameterverteilungen, so dass die reale Welt "nur eine weitere Probe" ist. Systemidentifizierung: Messen und kalibrieren Sie Simulationsparameter sorgfältig, um mit der Realität übereinzukommen. Fein-Tuning: Trainieren Sie in der Simulation, sammeln Sie dann einen kleinen Datensatz aus der realen Welt (50200 Episoden) und feinen-Tuning. Die meisten erfolgreichen Bereitstellungen kombinieren alle drei.

  • Domänenrandomisierung: am besten für visuelle Richtlinien
  • Systemidentifizierung: am besten für kontaktreiche Aufgaben
  • Real-Welt-Feinabstimmung: fast immer verbessert die Leistung
  • Empfehlung: alle drei kombinieren

Praktische Tipps

Beginnen Sie mit MuJoCo oder Isaac Sim (beide haben gute Kontaktmodelle). Randomizieren Sie die Kameraposition, Beleuchtung und Objektechturen aggressiv. Messen Sie echte Gelenkstrieb und Dämpfung. Validieren Sie sim-zu-reale auf einer einfachen Aufgabe, bevor Sie komplexe versuchen. RCSV bietet kalibrierte Simulationsmodelle für OpenArm.