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:2603.21853

関節トルク空間摂動注入によるヒューマノイド歩行ポリシーのSim-to-Real

Sim-to-Real of Humanoid Locomotion Policies via Joint Torque Space Perturbation Injection

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーション中の関節トルクに状態依存の摂動を注入することで、パラメータランダム化では表現できない複雑な現実ギャップを模擬し、ヒューマノイド歩行ポリシーの実世界での堅牢性を向上させる手法を提案した。

詳しい要約

1. どんなもの?

- 本論文は、simulated experiencesを用いて制御ポリシーを訓練するための新しいsim-to-real手法を提案する。 - 従来のdomain randomizationが固定された有限パラメータ集合に依存するのに対し、forward simulation中にstate-dependent perturbationsを入力joint torqueに注入する。 - これにより、追加訓練なしで標準的なパラメータランダム化よりも広範なreality gapsをシミュレートできる。 - neural networksを柔軟なperturbation generatorsとして用いることで、非線形アクチュエータダイナミクスや接触コンプライアンスなど、パラメトリックランダム化では捉えられない複雑な状態依存不確実性を表現可能。 - 実験では、humanoid locomotion policiesがシミュレーションと実世界展開の両方で、複雑で未見のreality gapsに対して優れたロバスト性を達成することを示す。

2. 先行研究と比べてどこがすごい?

- 先行研究は通常、固定された有限パラメータ集合に対するdomain randomizationに依存している。 - 提案手法は、state-dependent perturbationsをjoint torqueに注入することで、追加訓練を必要とせず、より広範なreality gapsをシミュレートできる。 - neural networksをperturbation generatorsとして用いることで、パラメトリックランダム化では表現できない複雑な状態依存不確実性(非線形アクチュエータダイナミクスや接触コンプライアンスなど)を捉えられる点が優れている。 - 実験により、humanoid locomotion policiesが複雑で未見のreality gapsに対して優れたロバスト性を示すことが確認されている。

3. 技術・手法の肝は?

- forward simulation中に、入力joint torqueに対してstate-dependent perturbationsを注入する。 - これらのperturbationsは、標準的なパラメータランダム化よりも広範なreality gapsをシミュレートするように設計されている。 - neural networksを柔軟なperturbation generatorsとして使用し、複雑で状態依存の不確実性を表現する。 - これにより、非線形アクチュエータダイナミクスや接触コンプライアンスなど、パラメトリックランダム化では捉えられない現象をモデル化できる。 - 追加の訓練を必要とせずに、より広範なreality gapsに対応するポリシーを学習可能。

4. どうやって有効だと検証した?

- 実験結果により、提案手法がhumanoid locomotion policiesに対して、シミュレーションと実世界展開の両方で、複雑で未見のreality gapsに対する優れたロバスト性を達成することを示した。 - 具体的な検証方法や評価指標の詳細は要旨からは不明。

5. 議論はある?

- 要旨からは、提案手法の限界や議論の詳細は不明。 - ただし、従来のdomain randomizationと比較して、より広範なreality gapsをシミュレートできる点が強調されている。 - 追加訓練が不要であることも利点として挙げられている。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていないが、関連手法としてdomain randomizationやsim-to-real transferの既存研究が挙げられる。 - 具体的な論文名は要旨からは不明。 - 同分野の定番として、domain randomizationを用いたsim-to-real手法や、humanoid locomotionの制御ポリシー学習に関する研究が考えられる。

※ 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: Junhyeok Rui Cha, Woohyun Cha, Jaeyong Shin, Donghyeon Kim, Jaeheung Park

分類: cs.RO, cs.AI

原文アブストラクト

This paper proposes a novel alternative to existing sim-to-real methods for training control policies with simulated experiences. Unlike prior methods that typically rely on domain randomization over a fixed finite set of parameters, the proposed approach injects state-dependent perturbations into the input joint torque during forward simulation. These perturbations are designed to simulate a broader spectrum of reality gaps than standard parameter randomization without requiring additional training. By using neural networks as flexible perturbation generators, the proposed method can represent complex, state-dependent uncertainties, such as nonlinear actuator dynamics and contact compliance, that parametric randomization cannot capture. Experimental results demonstrate that the proposed approach enables humanoid locomotion policies to achieve superior robustness against complex, unseen reality gaps in both simulation and real-world deployment.

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. 2newmo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
  3. 3GXO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
  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