文件名称：domrand:复制用于将深层神经网络从仿真转移到现实世界的域随机化结果https
文件大小：13.86MB
文件格式：ZIP
更新时间：2024-06-06 17:52:31
Python
模拟到真实的再现域随机化 再现 介绍 该存储库包含我在域随机化设置中的实现，用于在仿真中训练对象本地化模型以适应现实世界。 我将其作为一个较大的研究项目的一部分进行了实施，并决定将其发布，以防其他人发现它有用。 我使用KUKA LBR4臂（），而不是OpenAI初始域随机化工作中使用的Fetch机器人。 我证明，通过纯模拟训练的模型，我在现实世界中能够获得平均3.7cm的准确度。 我怀疑我可以通过对现实世界进行更好的校准并随机化视觉相关的一些方面来提高此精度，使其与原始论文中报告的1.5厘米相提并论。 但是我认为结果足以显示其效果，并且对于我正在使用的较大桌子（位置范围较大），3.7cm还是很不错的。 目录 结果 训练 我随机化纹理，光照，相机位置和方向（略微围绕现实世界），并训练模型以预测立方体XYZ坐标（具有固定高度，因此Z始终与本文相同）。 训练图像示例