Sim2Sea: Sim-to-Real Policy Transfer for Maritime Vessel Navigation in Congested Waters
作者: Xinyu Cui, Xuanfa Jin, Xue Yan, Yongcheng Zeng, Luoyang Sun, Siying Wei, Ruizhi Zhang, Jian Zhao, Haifeng Zhang, Jun Wang
分类: cs.RO, cs.AI
发布日期: 2026-03-04
💡 一句话要点
Sim2Sea：提出一种水上交通拥堵场景下船舶自主导航的Sim2Real策略迁移框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)
关键词: Sim2Real 自主导航 无人船 强化学习 领域随机化
📋 核心要点
- 现有水上自主导航方法在复杂船舶交互和环境不确定性下，存在Sim2Real差距大，难以实际部署的问题。
- Sim2Sea框架通过GPU加速并行模拟、双流时空策略和领域随机化，弥合模拟与真实环境的差距。
- 实验表明，Sim2Sea方法在模拟环境中收敛更快，轨迹更安全，并成功零样本迁移到真实无人船上。
📝 摘要（中文）
在拥挤的海洋环境中实现自主导航是许多实际应用的关键能力。然而，由于复杂的船舶交互和显著的环境不确定性，这仍然是一个未解决的挑战。现有方法通常由于模拟不精确、情境感知不足和不安全的探索策略而导致Sim2Real差距过大，从而在实际部署中失败。为了解决这些问题，我们提出了Sim2Sea，这是一个旨在弥合模拟和真实世界执行之间差距的综合框架。Sim2Sea在三个关键方面取得了进展。首先，我们开发了一个GPU加速的并行模拟器，用于可扩展和精确的海洋场景模拟。其次，我们设计了一种双流时空策略，用于处理复杂动力学和多模态感知，并辅以速度障碍引导的动作掩蔽机制，以确保安全高效的探索。最后，有针对性的领域随机化方案有助于弥合Sim2Real差距。仿真结果表明，我们的方法比已建立的基线方法实现了更快的收敛和更安全的轨迹。此外，我们纯粹在模拟中训练的策略成功地零样本迁移到在真实世界拥挤水域中运行的17吨无人船上。这些结果验证了Sim2Sea在实现可靠的Sim2Real迁移以进行实际自主海洋导航方面的有效性。
🔬 方法详解
问题定义：论文旨在解决拥挤水域中船舶自主导航的Sim2Real迁移问题。现有方法由于模拟环境与真实环境的差异，导致在模拟环境中训练的策略难以直接应用于真实船舶，存在安全性、效率和泛化性等问题。现有方法通常难以精确模拟复杂的船舶交互和环境不确定性，导致策略在真实环境中表现不佳。
核心思路：论文的核心思路是通过构建高精度、高效率的模拟环境，设计能够处理复杂动力学和多模态感知的策略，并采用领域随机化方法来缩小Sim2Real差距。通过在模拟环境中进行充分的训练和探索，使策略能够适应真实环境中的各种不确定性和复杂情况。
技术框架：Sim2Sea框架主要包含三个模块：GPU加速的并行模拟器、双流时空策略和领域随机化方案。首先，利用GPU加速的并行模拟器生成大规模、高精度的海洋环境数据。然后，设计双流时空策略，分别处理船舶的运动状态和环境感知信息，并结合速度障碍引导的动作掩蔽机制，保证导航的安全性。最后，通过领域随机化，增加模拟环境的多样性，提高策略在真实环境中的泛化能力。
关键创新：论文的关键创新在于综合考虑了模拟环境的构建、策略的设计和Sim2Real迁移三个方面，并针对水上交通的特点进行了优化。具体来说，GPU加速的并行模拟器能够高效地生成大量训练数据，双流时空策略能够有效地处理船舶的复杂动力学和多模态感知信息，速度障碍引导的动作掩蔽机制能够保证导航的安全性，领域随机化方案能够提高策略的泛化能力。
关键设计：双流时空策略采用两个独立的网络流分别处理船舶的运动状态和环境感知信息，然后将两个流的输出进行融合，得到最终的动作决策。速度障碍引导的动作掩蔽机制根据船舶的速度和周围障碍物的位置，对动作空间进行限制，避免产生碰撞。领域随机化方案对模拟环境中的各种参数进行随机化，例如船舶的初始位置、速度、目标点、障碍物的位置和大小等，增加模拟环境的多样性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Sim2Sea方法在模拟环境中比基线方法收敛速度更快，轨迹更安全。更重要的是，该方法训练的策略能够零样本迁移到真实17吨无人船上，并在拥挤水域中成功实现自主导航，验证了Sim2Sea框架的有效性和实用性。
🎯 应用场景
该研究成果可应用于无人船、自主航运、港口管理、海上搜救等领域。通过Sim2Sea框架，可以降低无人船研发成本，提高自主导航系统的可靠性和安全性，促进智能航运的发展。未来，该技术有望应用于更大规模的船舶编队控制和更复杂的海洋环境。
📄 摘要（原文）
Autonomous navigation in congested maritime environments is a critical capability for a wide range of real-world applications. However, it remains an unresolved challenge due to complex vessel interactions and significant environmental uncertainties. Existing methods often fail in practical deployment due to a substantial sim-to-real gap, which stems from imprecise simulation, inadequate situational awareness, and unsafe exploration strategies. To address these, we propose \textbf{Sim2Sea}, a comprehensive framework designed to bridge simulation and real-world execution. Sim2Sea advances in three key aspects. First, we develop a GPU-accelerated parallel simulator for scalable and accurate maritime scenario simulation. Second, we design a dual-stream spatiotemporal policy that handles complex dynamics and multi-modal perception, augmented with a velocity-obstacle-guided action masking mechanism to ensure safe and efficient exploration. Finally, a targeted domain randomization scheme helps bridge the sim-to-real gap. Simulation results demonstrate that our method achieves faster convergence and safer trajectories than established baselines. In addition, our policy trained purely in simulation successfully transfers zero-shot to a 17-ton unmanned vessel operating in real-world congested waters. These results validate the effectiveness of Sim2Sea in achieving reliable sim-to-real transfer for practical autonomous maritime navigation.