BumbleBee——人形通用全身控制：先数据聚类、后每个聚类上训练专家策略(且通过增量动作模型弥补sim与real之间的差距)、最后蒸馏整合
💡
原文中文，约5400字，阅读约需13分钟。
📝
内容提要
BumbleBee是一种新型人形机器人控制策略，通过聚类不同动作类型并训练专家策略，缩小了仿真与现实之间的差距，提升了机器人在多样化任务中的表现，期待与科研机构合作加速应用。
🎯
关键要点
- BumbleBee是一种新型人形机器人控制策略，通过聚类不同动作类型并训练专家策略，提升机器人在多样化任务中的表现。
- 目前人形机器人在实际应用中仍面临挑战，尤其是在执行复杂任务时。
- BumbleBee的核心方法是通过自编码器对动作数据进行聚类，并在每个聚类上训练专门的专家策略。
- 专家策略通过真实世界数据进行微调，以补偿仿真与现实之间的差距。
- BumbleBee的创新在于将专家策略整合为一个通用的全身控制策略，减少任务间的干扰，提高训练效率和泛化能力。
- 在仿真到现实迁移方面，BumbleBee采用增量动作模型，针对每个运动簇进行训练，显著提升了控制性能。
- 最终，BumbleBee通过知识蒸馏整合各专家策略的知识，生成一个通用的全身控制策略，使用Transformer架构以提高模型的表达能力。
➡️
