ترجمه فارسی مقاله Slug Mobile: مسند آزمایش برای آزمایش RL

چکیده

Sim-to real gap in Reinforcement Learning is when a model trained in a simulator does not translate to the real world. This is a problem for Autonomous Vehicles (AVs) as vehicle dynamics can vary from simulation to reality, and also from vehicle to vehicle. Slug Mobile is a one tenth scale autonomous vehicle created to help address the sim-to-real gap for AVs by acting as a test-bench to develop models that can easily scale from one vehicle to another. In addition to traditional sensors found in other one tenth scale AVs, we have also included a Dynamic Vision Sensor so we can train Spiking Neural Networks running on neuromorphic hardware.

چکیده به فارسی (ترجمه ماشینی)

شکاف Sim-to Real در یادگیری تقویت کننده زمانی است که مدلی که در یک شبیه ساز آموزش داده می شود به دنیای واقعی ترجمه نمی شود.این یک مشکل برای وسایل نقلیه خودمختار (AVS) است زیرا دینامیک وسیله نقلیه می تواند از شبیه سازی به واقعیت و همچنین از وسیله نقلیه به وسیله نقلیه دیگر متفاوت باشد.Slug Mobile یک وسیله نقلیه خودمختار در مقیاس یک دهم است که برای کمک به رسیدگی به شکاف Sim-to Real برای AVS با عمل به عنوان یک نیمکت آزمایش برای توسعه مدلهایی که به راحتی می توانند از یک وسیله نقلیه به دیگری مقیاس بندی کنند ، ایجاد شده است.علاوه بر سنسورهای سنتی موجود در AVS در مقیاس دهم دیگر ، ما همچنین یک سنسور بینایی پویا را در بر گرفته ایم تا بتوانیم شبکه های عصبی سنبله را که روی سخت افزار عصبی کار می کنند ، آموزش دهیم.