Riassunto analitico
Il presente lavoro di tesi si focalizza sull'importanza della fase "Sim To Real" nell'ambito dell'apprendimento per rinforzo (Reinforcement Learning) applicato nel campo della robotica e dell'automazione. Questa fase riveste un ruolo fondamentale per un corretto addestramento della policy di controllo che l'agente dovrà adottare nel mondo reale, garantendo robustezza ed affidabilità. Sfruttando quindi la raccolta e l'analisi dei dati provenienti da una serie di sensori posizionati sia internamente che esternamente al robot, è stato reso possibile tutto questo, collezionando tutti i dati provenienti dal mondo reale prelevati in svariati contesti e trasferendoli all'interno di un ambiente simulato, settando di conseguenza tutti i parametri fisici di simulazione . In particolare, la ricerca è stata condotta utilizzando un robot quadrupede Unitree A1 come piattaforma di sviluppo, programmato inizialmente (in ambiente ROS) per poter essere controllato a svolgere determinate azioni, permettendo così la raccolta dei dati di output correlati, sfruttati per poter settare opportunamente i parametri fisici principali all'interno del simulatore (Isaac Gym), utilizzato per poter addestrare virtualmente la politica di controllo, trasferita poi a sua volta in un contesto reale.
|
Abstract
This thesis focuses on the importance of the "Sim To Real" phase in the realm of reinforcement learning applied to robotics and automation. This phase plays a crucial role in properly training the control policy that the agent will adopt in the real world, ensuring robustness and reliability. By collecting and analyzing data from a variety of sensors positioned both internally and externally on the robot, this becomes possible. All data collected from the real world in various contexts are transferred into a simulated environment, adjusting all simulation physical parameters accordingly. Specifically, the research was conducted using a Unitree A1 quadruped robot as the development platform, initially programmed (in the ROS environment) to perform certain actions, thus enabling the collection of related output data. These data were then utilized to appropriately set the main physical parameters within the simulator (Isaac Gym), used for virtually training the control policy, which was subsequently transferred to a real-world context.
|