【DexGraspNet与多指手抓取算法详解】第七章 仿真到现实的迁移技术

目录第七章 仿真到现实的迁移技术7.1 域随机化详解7.1.1 视觉域随机化7.1.1.1 纹理与光照随机化7.1.1.1.1 干扰物体注入7.1.1.1.2 相机参数扰动7.1.2 物理域随机化7.1.2.1 动力学参数随机化7.1.2.1.1 摩擦系数范围设定7.1.2.1.2 物体质量与质心扰动7.1.2.2 动作噪声注入7.1.2.2.1 延迟模拟7.1.2.2.2 执行器误差建模7.2 系统辨识7.2.1 真实世界参数测量7.2.1.1 机械臂动力学辨识7.2.1.2 灵巧手关节刚度测量7.2.2 仿真模型校准7.2.2.1 预测误差最小化7.2.2.2 残差模型学习7.3 域自适应算法7.3.1 特征级域自适应7.3.1.1 对抗性特征学习7.3.1.2 域不变特征提取7.3.2 像素级域自适应7.3.2.1 风格迁移技术7.3.2.2 图像翻译网络第七章 仿真到现实的迁移技术7.1 域随机化详解基于物理的仿真环境与真实世界之间存在固有的域差异 (Domain Gap)。视觉域差异源于光照条件、纹理细节、相机响应函数的非理想特性；物理域差异表现为摩擦模型误差、质量分布不确定性、执行器动态滞后。域随机化 (Domain Randomization, DR) 通过在仿真训练阶段引入广泛的参数扰动，增强策略对真实环境变化的鲁棒性，其实质是将训练分布覆盖测试分布。7.1.1 视觉域随机化视觉感知系统的泛化能力取决于训练数据的多样性。视觉域随机化在渲染管线层面修改外观参数，迫使视觉编码器学习物体几何与语义的不变表示，而非特定纹理或光照条件下的伪相关特征。