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:2507.21981

DISCOVERSE: 複雑で高忠実度な環境における効率的なロボットシミュレーション

DISCOVERSE: Efficient Robot Simulation in Complex High-Fidelity Environments

シェア:XThreadsFacebookLINEはてブBluesky

3DガウススプラッティングとMuJoCoを組み合わせ、実世界の複雑な環境を高精細に再現してロボット学習を行うオープンソースのReal2Sim2Realシミュレーションフレームワークを提案し、模倣学習におけるゼロショットSim2Real転移で最先端性能を示した。

詳しい要約

1. どんなもの?

- 3DGS(3D Gaussian Splatting)ベースのReal2Sim2Realロボット学習向けシミュレーションフレームワーク - オープンソースで統一・モジュール型の設計 - 実世界の複雑なシーンの高精細なgeometryとappearanceを合成するReal2Simパイプラインを備える - Gaussian SplattingとMuJoCoを組み合わせ、複数センサmodalityと正確なphysicsの大規模並列シミュレーションを実現 - 既存の3Dアセット、ロボットモデル、ROSプラグインをサポート

2. 先行研究と比べてどこがすごい?

- 3DGSベースのReal2Sim2Real向け統一フレームワークとしては初のオープンソースと主張 - 既存シミュレータと比較して、imitation learningにおけるzero-shot Sim2Real転送性能でstate-of-the-artを示す - 高精細な実世界再現とphysics・並列シミュレーションを両立する点が特徴 - 具体的な比較対象シミュレータ名は要旨からは不明

3. 技術・手法の肝は?

- Real2Simパイプラインにより実世界シーンのgeometryとappearanceを3DGSで合成 - Gaussian Splattingによる高精細な視覚表現 - MuJoCoによる正確なphysicsシミュレーション - 複数センサmodalityの大規模並列シミュレーション - 既存3Dアセット・ロボットモデル・ROSプラグインとの統合サポート - モジュール型設計で大規模ロボット学習と複雑なベンチマークを支援

4. どうやって有効だと検証した?

- imitation learningに関する広範な実験を実施 - 既存シミュレータと比較し、zero-shot Sim2Real転送性能を評価 - state-of-the-artのzero-shot Sim2Real性能を示したと報告 - 具体的なタスク・データセット・評価指標は要旨からは不明

5. 議論はある?

- Sim2Real gapの分析と橋渡しを目指すと述べている - 高精細なReal2Sim再現がロボット学習に与える影響についての詳細な議論は要旨からは不明 - 限界や失敗事例、計算コストに関する記述は要旨からは不明

6. 次に読むべき論文は?

- 3D Gaussian Splatting(3DGS)関連研究 - MuJoCoベースのロボットシミュレーション研究 - Real2Sim2Real転送に関する研究 - imitation learningによるロボット学習研究 - ROSベースのロボティクス統合研究 - 要旨で具体的に参照・比較されている個別論文名は不明

※ 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: Yufei Jia, Guangyu Wang, Yuhang Dong, Junzhe Wu, Yupei Zeng, Haonan Lin, Zifan Wang, Haizhou Ge, Weibin Gu, Kairui Ding, Zike Yan, Yunjie Cheng, Yue Li, Ziming Wang, Chuxuan Li, Wei Sui, Lu Shi, Guanzhong Tian, Ruqi Huang, Guyue Zhou

分類: cs.RO

原文アブストラクト

We present the first unified, modular, open-source 3DGS-based simulation framework for Real2Sim2Real robot learning. It features a holistic Real2Sim pipeline that synthesizes hyper-realistic geometry and appearance of complex real-world scenarios, paving the way for analyzing and bridging the Sim2Real gap. Powered by Gaussian Splatting and MuJoCo, Discoverse enables massively parallel simulation of multiple sensor modalities and accurate physics, with inclusive supports for existing 3D assets, robot models, and ROS plugins, empowering large-scale robot learning and complex robotic benchmarks. Through extensive experiments on imitation learning, Discoverse demonstrates state-of-the-art zero-shot Sim2Real transfer performance compared to existing simulators. For code and demos: https://air-discoverse.github.io/.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI