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:2512.17853

AnyTask: Sim-to-Realポリシー学習を進めるための自動タスク・データ生成フレームワーク

AnyTask: an Automated Task and Data Generation Framework for Advancing Sim-to-Real Policy Learning

シェア:XThreadsFacebookLINEはてブBluesky

GPUシミュレーションと基盤モデルを組み合わせ、多様なマニピュレーションタスクの設計から専門家デモ生成、実機転移までを自動化するフレームワークを提案。生成データで学習したポリシーが実機で平均44%の成功率を達成。

詳しい要約

1. どんなもの?

- 大規模で多様なロボット操作データを自動生成するフレームワーク「AnyTask」 - 大規模並列GPUシミュレーションと基盤モデル(foundation models)を組み合わせる - 多様なmanipulationタスクの設計とロボットデータ合成を自動化 - 3種のデータ生成エージェントを提案 - ViPR: VLM-in-the-loop Parallel Refinementを用いたtask and motion planningエージェント - ViPR-Eureka: 生成されたdense rewardsとLLM-guided contact samplingを用いる強化学習エージェント - ViPR-RL: 計画と学習を組み合わせ、sparse rewardsのみで高品質なdemonstrationsを生成するハイブリッド手法 - 生成データでbehavior cloningポリシーを学習し、simulation検証後に実機へ直接デプロイする

2. 先行研究と比べてどこがすごい?

- 従来は実世界での大規模・多様・高品質なinteraction data収集が高コストで、generalist robot learningの制約となっていた - simulationによるデータ拡張は有望だが、simulation task design、task-aware scene generation、expert demonstration synthesis、sim-to-real transferに多大な人手を要していた - AnyTaskはこれら一連の工程を自動化し、人手の負担を削減する点が特徴 - 具体的な先行研究との定量的比較は要旨からは不明

3. 技術・手法の肝は?

- 大規模並列GPU simulationとfoundation models(VLM/LLM)の組み合わせが中核 - ViPR: VLM-in-the-loop Parallel Refinementによるtask and motion planning - ViPR-Eureka: 生成されたdense rewardsとLLM-guided contact samplingを活用する強化学習 - ViPR-RL: planningとlearningを統合し、sparse rewardsのみで高品質なdemonstrationsを生成 - 生成データを用いたbehavior cloningによるポリシー学習 - 詳細なアルゴリズムやアーキテクチャは要旨からは不明

4. どうやって有効だと検証した?

- 生成データでbehavior cloningポリシーを学習し、simulationで検証 - その後、実機ロボットハードウェアへ直接デプロイ - 実世界のpick-and-place、drawer opening、contact-rich pushing、long-horizon manipulationタスク群で評価 - 新規のobject posesへ汎化し、実世界で平均44%の成功率を達成 - ベースラインとの比較や詳細な実験設定は要旨からは不明

5. 議論はある?

- 実世界で平均44%の成功率であり、汎化性能や残りの失敗要因に関する議論の余地がある - sim-to-real transferのギャップや、生成データの品質・多様性の限界は要旨からは不明 - 各エージェント間の性能比較やタスク難易度ごとの分析は要旨からは不明 - 計算コストやスケーラビリティに関する議論は要旨からは不明

6. 次に読むべき論文は?

- ViPRに関連するVLM-in-the-loop planningやtask and motion planningの研究 - Eureka系のLLMを用いたreward designに関する研究 - behavior cloningおよびsim-to-real transferに関する代表的手法 - 具体的な参照論文は要旨に明記されていないため、上記は同分野の関連手法を一般名で挙げたもの

※ 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: Ran Gong, Xiaohan Zhang, Jinghuan Shang, Maria Vittoria Minniti, Jigarkumar Patel, Valerio Pepe, Riedana Yan, Ahmet Gundogdu, Ivan Kapelyukh, Ali Abbas, Xiaoqiang Yan, Harsh Patel, Laura Herlant, Karl Schmeckpeper

分類: cs.RO, cs.AI

原文アブストラクト

Generalist robot learning remains constrained by data: large-scale, diverse, and high-quality interaction data are expensive to collect in the real world. While simulation has become a promising way for scaling up data collection, the related tasks, including simulation task design, task-aware scene generation, expert demonstration synthesis, and sim-to-real transfer, still demand substantial human effort. We present AnyTask, an automated framework that pairs massively parallel GPU simulation with foundation models to design diverse manipulation tasks and synthesize robot data. We introduce three AnyTask agents for generating expert demonstrations aiming to solve as many tasks as possible: 1) ViPR, a novel task and motion planning agent with VLM-in-the-loop Parallel Refinement; 2) ViPR-Eureka, a reinforcement learning agent with generated dense rewards and LLM-guided contact sampling; 3) ViPR-RL, a hybrid planning and learning approach that jointly produces high-quality demonstrations with only sparse rewards. We train behavior cloning policies on generated data, validate them in simulation, and deploy them directly on real robot hardware. The policies generalize to novel object poses, achieving 44% average success across a suite of real-world pick-and-place, drawer opening, contact-rich pushing, and long-horizon manipulation tasks. Our project website is at https://anytask.rai-inst.com .

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