arXiv · cs.RO· Shu'ang Sun·· 17 小时前精选AI 评分65
TwinBridge：基于数字孪生的实验室机器人强化学习策略与奖励迁移
TwinBridge: Digital Twin-Driven Policy and Reward Transfer for Real-World Reinforcement Learning in Laboratory Robotics
AI 导读
研究人员提出TwinBridge框架，结合3D高斯泼溅与物理模拟构建数字孪生，为实验室机器人强化学习提供策略初始化和密集视觉奖励。在五项实验室任务中，该方法实现了98%的平均自主成功率，每项任务仅需最多25分钟的真实世界交互。实验表明密集奖励比稀疏奖励提高交互效率，基于模拟的策略初始化进一步加速学习。
推荐理由
通过数字孪生提供密集奖励和策略初始化，将实验室机器人强化学习所需真实世界交互时间降至25分钟。
来源：arXiv · cs.RO · arxiv.org