All You Need Is Low Fidelity: Zero-Shot Sim-to-Real of Learned Robotic Fish Control
作者: Liam Maloney, Simon Ramchandani, Mike Y. Michelis, Ronan Hinchet, Robert K. Katzschmann
分类: cs.RO
发布日期: 2026-09-29
备注: 8 pages, 10 figures, submitted to ICRA 2027. Liam Maloney and Simon Ramchandani contributed equally
💡 一句话要点
提出低保真度模拟器以实现机器人鱼的零-shot控制
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 水下机器人 控制器设计 低保真度模拟 闭环控制 流体动力学 软体机器人 目标跟踪
📋 核心要点
- 现有水下机器人控制器的能力有限，导致复杂任务的执行受限。
- 提出使用低保真度的流体模型来学习通用的闭环控制器，避免了高成本的高保真模拟器。
- 实验表明，单一控制策略在户外环境中能够有效执行多种任务，且无需调优。
📝 摘要（中文）
复杂的水下机器人任务受到控制器能力的限制。本文展示了一个低保真度的模拟器足以学习一个通用的闭环控制器，该控制器可以无调优地转移到硬件上。研究中使用的软体单电机鱼类模型，其控制策略仅依赖于硬件可测量的数据。通过分阶段的流程，固定尾部动力学和无状态流体模型，控制策略通过带限的节律轨迹生成器进行操作。实验结果表明，该策略在户外池中能够实现目标到达、干扰拒绝和超分布目标的获取与跟踪。
🔬 方法详解
问题定义：本文旨在解决现有水下机器人控制器在复杂任务中表现不佳的问题，现有方法通常依赖高保真度的模拟器，导致成本高且难以迁移到实际硬件上。
核心思路：通过使用一个低保真度的流体模型，学习一个通用的闭环控制器，使其能够在不需要调优的情况下直接转移到硬件上。这样的设计使得控制器的性能不再依赖于高保真度的模拟环境。
技术框架：整体架构包括两个主要阶段：首先是通过独立的识别过程固定尾部动力学和无状态流体模型；其次，控制策略通过带限的节律轨迹生成器进行操作，而不是直接控制尾部。
关键创新：最重要的创新在于提出了一个低保真度的模拟器能够有效学习控制策略，并且该策略能够在实际环境中无缝迁移，挑战了传统对高保真度模拟器的依赖。
关键设计：控制策略的设计依赖于硬件可测量的数据，使用了带限的节律轨迹生成器，确保生成的轨迹在流体模型识别的带宽内，从而保证了控制的有效性。实验中未详细说明具体的损失函数和网络结构，标记为未知。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的控制策略在户外池中能够成功实现目标到达、干扰拒绝和超分布目标的获取与跟踪，且无需任何调优。这表明低保真度模拟器在学习控制策略方面的有效性，具有显著的实用价值。
🎯 应用场景
该研究的潜在应用领域包括水下探测、环境监测以及海洋生物研究等。通过降低模拟器的复杂性，研究成果可以降低开发成本，提高水下机器人在实际应用中的灵活性和适应性，未来可能推动水下机器人技术的广泛应用。
📄 摘要（原文）
Complex tasks for underwater robots remain limited by the capabilities of their controllers. Learning a better one for a soft, underactuated robotic fish trades simulator cost against fidelity. We show that an intentionally low-fidelity simulator is enough: a stateless, quasi-steady fluid model with no wake and no added-mass history suffices to learn a \emph{general}, closed-loop controller that transfers to hardware without tuning. Our platform is a soft, single-motor, tendon-driven fish whose policy observes only what the hardware can measure. A staged pipeline grounds the simulator in two independent identifications, fixing the tail dynamics and a stateless fluid model; the policy then acts through a band-limited rhythmic trajectory generator rather than commanding the tail directly. Deployed unchanged in an outdoor pool, a single policy performs closed-loop target reaching, disturbance rejection, and out-of-distribution target acquisition and tracking. The transfer rests on the constraint rather than the fidelity: the generator cannot leave the band over which the fluid was identified. This raises the question of how much of the physics can reside in the controller rather than in the simulator.