具身开发者社区

外观

论文arXiv 2610.1220220 天前

ASV零样本Sim-to-Real：仅凭CAD与轨迹实现未知动力学迁移 ​

针对水面机器人仿真训练痛点，提出基于系统辨识的RL框架。仅用CAD模型与少量实船轨迹即可逼近水动力参数，在BlueBoat上实现路径跟随与定点保持任务的零样本Sim-to-Real迁移，无需预知水动力及螺旋桨参数。

AI 整理
  • 感知与导航
  • 仿真与训练

本文由 AI 根据公开内容整理，可能有误，请以原文为准：Sim-to-Real RL for ASVs using SysID（arXiv 2610.12202）

核心内容 ​

针对自主水面艇（ASV）在动态海洋环境中缺乏支持并行强化学习训练仿真器、且传统方法依赖CFD或拖曳水池测试获取水动力参数的难题，研究团队提出一套新型ASV仿真器及配套Pipeline。该方案允许从完全未知的载体动力学出发训练控制策略，并在BlueBoat ASV实船上验证了有效性，成功实现了路径跟随与站点保持任务的零样本Sim-to-Real迁移，摆脱了对先验水动力和推进器信息的依赖。

技术核心在于利用系统辨识（SysID）弥合仿真与现实差距。框架仅需输入ASV的CAD模型及一组简短的开放水域实测轨迹数据，即可自动近似并迭代优化水动力系数与推进器参数。该方法解决了现有仿真器难以并行化及参数标定成本高的问题，使RL策略能在未知动力学条件下完成训练，并直接部署于真实物理环境，为水面机器人低成本算法验证提供了标准化工程路径。

关键看点 ​

  • 零样本迁移：在BlueBoat实船验证中，无需预置水动力或螺旋桨参数，RL策略即可实现路径跟随与定点保持的零样本Sim-to-Real成功迁移。
  • 低门槛建模：仅需ASV CAD模型与少量开放水域实测轨迹，通过系统辨识自动逼近并精修水动力及推进器参数，替代昂贵的CFD或水池测试。
  • 并行训练支持：构建了支持并行环境的ASV专用仿真器，解决了传统海洋机器人仿真器无法高效支撑强化学习大规模训练的架构瓶颈。
  • 未知动力学适配：Pipeline设计支持从完全未知的载体动力学起点开始训练，显著降低了具身智能算法在水面场景落地的先验知识依赖。

工程与产业观察 ​

该工作为水面机器人RL落地提供了低成本范式：通过SysID将高门槛的水动力建模转化为“CAD+少量轨迹”的数据驱动流程，大幅降低Sim-to-Real对专家知识的依赖。对于缺乏精密流体参数的中小型ASV研发，这种基于实测轨迹反推动力学并支持并行训练的架构，是加速控制算法迭代与实船部署的关键工程参考。

英文摘要 (Abstract) ​

Autonomous Surface Vehicles (ASVs) operating in dynamic marine environments require robust control policies for tasks such as path following and station keeping, making reinforcement learning (RL) a promising alternative to classical controllers. However, existing ASV simulators rarely support parallel environments for RL training. Such existing simulators require accurate hydrodynamic modeling from computational fluid dynamics solvers or towing tank tests for setting hydrodynamic parameters to address the sim-to-real gap. To address these challenges, we present an ASV simulator and accompanying pipeline that enables training policies starting from unknown vehicle dynamics. Our framework uses only a CAD model and brief set of open-water field trajectories for approximating and refining both hydrodynamic and thruster parameters. Real-world deployments on a BlueBoat ASV demonstrate successful zero-shot sim-to-real transfer in path following and station-keeping tasks without prior hydrodynamic and propeller information.

作者：Cody Sheltraw, Tsimafei Lazouski, Maani Ghaffari, Alan Papalia

来源

本页事实对应的公开页面，以原文为准。

  1. arXiv 2610.12202：Sim-to-Real RL for ASVs using SysID访问 2026-10-12