用于信息丰富的仿真到现实适应的神经保真度校准

本研究解决了深度强化学习在将技能从仿真环境转移到真实世界时面临的仿真与现实之间的差距问题。论文提出了一种新颖的神经保真度校准框架，通过条件基于分数的扩散模型，在线调整仿真物理系数，从而提高策略的鲁棒性。本方法在多样机器人实验中表现出优越的校准精度，并在复杂的真实环境中实现更稳定的导航表现。