Trening
Randomizacja domeny
2017AktywnyAktualizacja: 28 sierpnia 2026Opublikowany
Domain randomization to technika treningu w symulacji, w której losowo zmienia się parametry środowiska, aby zredukować lukę sim-to-real.
Kluczowa
innowacja
Losowanie parametrów symulacji (tekstury, oświetlenie, fizyka), by model nauczony w symulacji generalizował do rzeczywistości.
Kategoria
Trening
Poziom abstrakcji
Wzorzec
Poziom operacji
Element architekturyModel
Zastosowania
Transfer sim-to-real w robotyceTrening polityk manipulacji i lokomocjiPercepcja odporna na zmiany oświetlenia/teksturUczenie ze wzmocnieniem w symulatorach (np. MuJoCo, Isaac)
Jak działa
Podczas każdego epizodu treningowego parametry symulatora są losowane z zadanych rozkładów; rzeczywisty świat staje się dla modelu 'jeszcze jedną próbką' z tego rozkładu, co poprawia robustność i generalizację bez konieczności wiernego modelowania rzeczywistości.
Rozwiązany problem
Modele trenowane wyłącznie w symulacji zwykle słabo działają w rzeczywistości z powodu różnic (reality gap) w wyglądzie i dynamice środowiska.