在UP-OSI中，通过函数拟合器近似系统参数，策略函数在给定系统参数的情况下预测动作，从而让策略能够迁移到真实环境。与UP-OSI方式不同，PTSO在策略集中搜寻最好的策略以适应环境。

- 阅读剩余部分 -

Dynamics Randomization Revisited:A Case Study for Quadrupedal Locomotion的作者研究了动力学随机化对足式机器人学习强健运动策略的影响。在sim-to-sim和sim-to-real场景中进行了广泛的消融研究，以理解策略迁移成功的因素。实验结果表明，对于一些场景，动力学随机化即是不必要的；也有一些场景是不足够的，且可能使机器人学习到的策略偏向于保守。作者们主张动力学随机化应该被保守的运用，只对有问题的参数使用随机化。

- 阅读剩余部分 -

简单来说，UP-OSI作者们提出了一个学习框架(可见图1)，用于解决机器人领域"Reality Gap"的问题。该学习框架的核心思想是：通过仿真探索“虚拟世界”，提前计算机器人能够遇到的许多可能情况。为了该方法可行，作者们提出了两个假设，分别是

• 假设存在一种方法可提前计算每种动力学模型的最优策略。

• 假设存在一种快速方法可知道哪种动力学模型适合观测序列。

- 阅读剩余部分 -

Mobile ALOHA是一款可移动的双臂操纵机器人，用于处理日常家务。日常的家务往往需要机器人移动能力和操纵能力协作才能完成，例如：机器人把锅放在冰箱内，机器人先要移动到冰箱前，然后打开冰箱，最后把物品放入冰箱。在打开冰箱的时候，甚至需要机器人底座倒车。然而，前人工作只是移动能力或操纵能力单方面的研究，这与现实相差很大。

- 阅读剩余部分 -

基于强化学习范式的足式机器人能够在复杂的领域运动。然而，复杂的行为很难生成。同时，奖励设计和参数调节都需要花费很长的时间设计。

- 阅读剩余部分 -

在机器人领域，为了降低学习成本，往往需要在仿真环境中训练RL智能体。然而，仿真与现实之间存在很大的GAP。目前，主要通过电机建模、自适应、领域随机化、系统识别、特权信息、以及重力补偿的方式减少sim-to-real之间的GAP。

- 阅读剩余部分 -