DrEureka利用大型语言模型（LLMs）自动化和加速模拟到现实（sim-to-real）设计的方法。它通过物理模拟自动构建合适的奖励函数和领域随机化分布，以支持现实世界中的转移。在四足机器人运动和灵巧操作任务中展示了与人工设计相媲美的sim-to-real配置，并能够解决如四足机器人在瑜伽球上平衡和行走等新颖任务，无需人工迭代设计。
{'自动化构建奖励函数': '根据目标任务自动生成适合的奖励函数。', '领域随机化分布': '为支持现实世界转移，自动生成领域随机化参数。', '模拟条件下的策略测试': '在不同模拟条件下测试策略，构建奖励感知的物理先验。', '现实世界部署': '使用合成的奖励和领域随机化参数，训练策略以供现实世界部署。', '鲁棒性': 'DrEureka策略在现实世界中表现出色，即使在地形变化和干扰下也能保持平衡。', '安全性': '通过整合安全指令，改进了奖励设计，以生成足够安全以在现实世界中部署的奖励函数。', '奖励感知物理先验': '使用初始策略生成奖励感知的物理先验对DrEureka的成功至关重要。'}
DrEureka能够加速机器人技能的获取和部署，提供了自动化设计和测试机器人任务的能力，并为机器人学和人工智能领域的研究人员提供了一个强大的工具。
['四足机器人在不同地形上的行走测试。', '瑜伽球上四足机器人的平衡和行走。', '灵巧操作任务，如立方体旋转。']
DrEureka能够提高机器人技能获取和部署的效率，加速机器人任务的自动化设计和测试，并为科研人员提供一个强大的研究工具。
None
