Crazyflow：基于 JAX 的精确、GPU 加速、可微分无人机仿真器
研究团队提出开源无人机仿真器 Crazyflow，将高保真动力学与 JAX 结合，兼顾速度与可微分性，可在单 CPU/GPU 上扩展到数百万环境或数千个集群、每集群数千架无人机，并支持集群扩展。真实实验显示其支持基于解析梯度的策略学习，无需域随机化即可实现高精度跟踪，基于采样的避障速度超过每秒 5 亿步。团队将一架真实无人机抛向空中，从零训练恢复策略仅用 0.37 秒并在落地前接住，演示了飞行中强化学习，突破先训练后部署范式。
发布于 10-27 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Crazyflow: An Accurate, GPU-Accelerated, Differentiable Drone Simulator in JAX》查看原链
arXiv:2606.01478v3 公告类型：替换 摘要：来自仿真的大规模高质量合成数据正日益成为提升机器人能力的基础。 虽然空中机器人仿真器已各自发展出对保真度、可微分性和集群等专门需求的支持，但仍缺少一个能跨所有这些领域合成数据的统一平台。
在本工作中，我们提出 Crazyflow，一个旨在推动空中机器人算法开发前沿的仿真器，支持基于模型和数据驱动的方法、基于梯度和基于采样的方法、单智能体和多智能体系统，以及基于状态和基于视觉的策略学习。 Crazyflow 将高保真动力学与 JAX 结合，以实现速度和可微分性，可在单个 CPU 和 GPU 上扩展到数百万个环境或数千个集群、每个集群包含数千架无人机，并可在集群上进一步扩展。
真实世界实验表明，Crazyflow 既支持基于解析梯度的策略学习，在无需域随机化的情况下实现高精度跟踪，也支持基于采样的避障，速度超过每秒 5 亿步。 Crazyflow 的性能打破了传统的“先训练后部署”范式，使飞行中强化学习成为可能；我们通过将一架真实无人机抛向空中、从零开始训练恢复策略并在 0.37 秒内接住它（在其落地之前）来演示这一点。
通过同时推进精度、速度和可微分性，Crazyflow 成为用于合成数据生成的开源资源，并具备面向在线、执行中学习和优化的大规模并行化的新兴能力，为新颖算法开发打开了大门。