日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

sim2realarXiv:2504.02252

潜在状態ダイナミクスの残差で世界モデルを適応させる

Adapting World Models with Latent-State Dynamics Residuals

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションで事前学習した潜在状態の世界モデルを、実環境のダイナミクスとの差分(残差)で補正し、視覚ベースのタスクで実機に転移できるようにした研究。

詳しい要約

1. どんなもの?

- 視覚ベースのsimulation-to-reality強化学習(RL)におけるdynamics gapを埋める手法「ReDRAW」の提案。 - simulationで事前学習したlatent-state autoregressive world modelを、target環境のlatent-state dynamicsに対するresidual correctionで校正する。 - 校正済みworld model上でimagined rolloutsを用いてRL agentを最適化し、実環境へ展開する。

2. 先行研究と比べてどこがすごい?

- 従来のresidual error functionによるsimulator forward dynamicsの補正は、画像のようなhigh-dimensional statesでは非現実的だった。 - ReDRAWはobserved statesではなくlatent-state dynamicsのresidualを補正することでこの問題を回避する。 - 低データ領域でtraditional transfer methodsが失敗する一方、ReDRAWはoverfittingを避けつつdynamics変化をモデル化できると報告。

3. 技術・手法の肝は?

- simulationでpretrainしたlatent-state autoregressive world modelを基盤とする。 - target環境に対しlatent-state dynamicsのresidual correctionでcalibrationを行う。 - 校正されたworld model上でimagined rolloutsを生成し、RL agentを最適化してから実世界にdeployする。

4. どうやって有効だと検証した?

- 複数のvision-based MuJoCo domainsで評価。 - 物理ロボットによるvisual lane-followingタスクでも検証。 - これらの設定でdynamics変化のモデル化と低データ領域でのoverfitting回避を確認。

5. 議論はある?

- 要旨からは不明(具体的な限界や失敗ケースの議論は記述されていない)。 - 低データ領域での有効性が強調される一方、データ量やタスク依存性に関する詳細な議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されているtraditional transfer methods(具体的名称は要旨からは不明)。 - 関連手法としてresidual error functionによるsimulator forward dynamics補正の先行研究。 - 同分野の定番としてsimulation-to-reality transfer、domain randomization、world modelsを用いたmodel-based RL。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: JB Lanier, Kyungmin Kim, Armin Karamzade, Yifei Liu, Ankita Sinha, Kat He, Davide Corsi, Roy Fox

分類: cs.LG, cs.AI, cs.RO

原文アブストラクト

Simulation-to-reality reinforcement learning (RL) faces the critical challenge of reconciling discrepancies between simulated and real-world dynamics, which can severely degrade agent performance. A promising approach involves learning corrections to simulator forward dynamics represented as a residual error function, however this operation is impractical with high-dimensional states such as images. To overcome this, we propose ReDRAW, a latent-state autoregressive world model pretrained in simulation and calibrated to target environments through residual corrections of latent-state dynamics rather than of explicit observed states. Using this adapted world model, ReDRAW enables RL agents to be optimized with imagined rollouts under corrected dynamics and then deployed in the real world. In multiple vision-based MuJoCo domains and a physical robot visual lane-following task, ReDRAW effectively models changes to dynamics and avoids overfitting in low data regimes where traditional transfer methods fail.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI