タグ: 実際に動かす

強化学習のsim2realギャップを実測：遅延とドメインランダム化 2026/6/30
歩行AIを実際に学習させ、訓練したシミュとほんの少し違う物理に置くと何が起きるかを実測した。1ステップの作動遅延で、訓練に使ったシミュではよく走っていた方策が崩壊する。「直す」側のドメインランダム化も同じ報酬で測ると、遅延には耐えたが、無摂動時の報酬は低かった。