ニューラルロボットダイナミクス

- 関節剛体ロボットの将来状態を予測する、ロボット固有の学習型 dynamics model「NeRD (Neural Robot Dynamics)」を提案した研究。 - 解析的 simulator の低レベル dynamics と contact solver を置き換え、学習モデルを backend solver として組み込む。 - 接触制約下の関節剛体を対象に、千ステップ超の安定・高精度シミュレーションを目指す。

- 既存の neural simulator は application-specific な訓練が必要で、新規タスク・環境への汎化が困難だった。 - 原因として global state の表現不足を指摘。 - NeRD は robot-centric かつ spatially-invariant な simulation state 表現を採用し、タスク・環境をまたぐ汎化を実現。 - 古典的 simulator と異なり real-world data から fine-tune 可能で sim-to-real gap の橋渡しを狙う。

- 解析的 simulator 内の低レベル dynamics と contact solver を NeRD に置換。 - robot-centric で spatially-invariant な simulation state 表現を採用し、global state 表現の不足を解消。 - 学習済み NeRD を state-of-the-art robotics simulator の交換可能な backend solver として統合。 - 関節剛体の接触制約下での将来状態予測を行うロボット固有モデルとして学習。

- 千ステップ超にわたり安定かつ高精度であることを実験で示す。 - タスクおよび環境構成をまたぐ汎化を検証。 - neural engine のみでの policy learning が可能であることを確認。 - real-world data からの fine-tune により sim-to-real gap を橋渡しできることを示す。

- 要旨からは不明（具体的な限界・失敗ケース・計算コストの議論は記述なし）。 - ただし real-world data からの fine-tune 可能性と汎化性能を主張しており、sim-to-real の議論が中心と推測される。

- 比較対象として言及される既存 neural simulator 群（application-specific な学習型 simulator）。 - 統合先の state-of-the-art robotics simulator（名称は要旨からは不明）。 - 関連手法として analytical simulator、contact solver、sim-to-real transfer、policy learning の定番研究。