通过贝叶斯推断缩小模拟与实际之间的差距
原文中文，约300字，阅读约需1分钟。发表于：。利用 SIM-FSVGD 学习机器人动力学，通过 simulators 对神经网络模型的训练进行正则化，实现准确的平均模型估计和精确的不确定性量化。在高性能 RC 赛车系统上实验表明，SIM-FSVGD 在缩小仿真与实际之间的差距和使用更少数据的情况下，比现有技术展示了高度动态的倒车和漂移停车技巧。
利用SIM-FSVGD学习机器人动力学，通过simulators对神经网络模型的训练进行正则化，实现准确的平均模型估计和精确的不确定性量化。在高性能RC赛车系统上实验表明，SIM-FSVGD在缩小仿真与实际之间的差距和使用更少数据的情况下，展示了高度动态的倒车和漂移停车技巧。
