仿真训练即插即用
该框架利用CycleGAN和力控制迁移，使仿真训练的装配技能可直接迁移到真实机器人，无需真实环境重训，且对多种机器人和工件形状具有泛化性。
Shi, Yunlei · Chengjie, Yuan · Tsitos, Athanasios C. · Cong, Lin · Hamid, Hadjar · Chen, Zhaopeng · Jianwei, Zhang
IEEE Transactions on Cognitive and Developmental Systems 2023
直接在仿真中完成训练，利用CycleGAN和力控制迁移到真实机器人，省去真实环境中的样本采集和安全试错。
在UR5e上训练的框架可复现到Diana7机器人，并对不同peg形状有效，无需针对新平台或新工件重新训练。
构建的Peg-in-Hole训练环境仅需低层次仿真知识，降低使用门槛，非仿真专家也能搭建训练场景。
仅用单个相机的原始图像作为输入，无需多视角或深度传感器，简化硬件配置。