通过贝叶斯推断缩小模拟与实际之间的差距

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。