Un défi courant dans l'IA incarnée est l'écart sim-to-real : la dégradation des performances lorsqu'une politique entraînée en simulation est déployée sur un robot physique. Ce problème est particulièrement aigu pour les robots à pattes comme les quadrupèdes et les bipèdes, en raison des interactions complexes avec le sol et de la dynamique des actionneurs. Cependant, une analyse récente suggère que les drones quadrirotors (UAV) pourraient être immunisés de manière unique contre ce problème. La raison réside dans leur dynamique plus simple et bien comprise. Les drones opèrent dans l'espace libre avec moins de discontinuités de contact, et leurs systèmes de contrôle sont hautement linéarisables. Cela signifie que les simulations peuvent modéliser leur comportement avec une grande fidélité, réduisant l'écart à presque zéro. Pour les chercheurs et les ingénieurs, c'est une information significative. Elle implique que les drones pourraient servir de plateforme idéale pour développer et tester l'apprentissage par renforcement et d'autres politiques d'IA, avec une grande confiance qu'elles se transféreront directement au matériel réel. Cela pourrait accélérer les progrès dans des domaines comme la navigation autonome, l'intelligence en essaim et la manipulation aérienne.
Cet article soutient que les drones quadrirotors, contrairement aux robots quadrupèdes et bipèdes, ne souffrent pas du problème de l'écart sim-to-real. Cela est dû à la dynamique et au contrôle plus simples des drones, rendant la simulation plus précise. Cette information est précieuse pour les chercheurs et ingénieurs en IA incarnée, suggérant que les drones sont une plateforme plus fiable pour transférer des politiques simulées dans le monde réel.