Domain Adaptation and Domain Randomization for Robot Learning

本文研究了领域自适应与域随机化在机器人学习中的应用。领域自适应通过对齐源域和目标域的特征分布，减少域间差异；域随机化通过在仿真中随机化物理参数和视觉外观，提升策略对真实环境变化的鲁棒性。文章比较了不同领域自适应方法（对抗自适应、差异最小化、自训练）和域随机化策略（参数随机化、纹理随机化、光照随机化）在机器人控制中的表现，分析了方法的样本效率和泛化能力。来源机构包括UC Berkeley、DeepMind、CMU等研究机构。