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:2607.01410

BIFROST: 観測空間のSim2Real転送のための不変特徴表現の橋渡し

BIFROST: Bridging Invariant Feature Representation for Observation-space Sim2Real Transfer

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションと実世界のギャップを埋めるため、クロスドメインの双模倣目的を用いて共有の履歴エンコーダを学習し、ゼロショット転送を可能にする手法を提案した。

詳しい要約

1. どんなもの?

BIFROSTは、ロボットポリシー学習におけるsim2real転送のための手法であり、シミュレーションと実世界の間の観測空間の不一致を扱う。生の観測からタスクの共有構造を特定・活用し、ゼロショット転送を可能にするポリシーを訓練することを目指す。具体的には、ペアのクロスドメインデータ上で共有履歴エンコーダを学習し、クロスドメインのbisimulation目的を用いて、ドメインに関係なく同等の長期的挙動をもたらす観測-行動系列を近い潜在状態にマッピングする。シミュレーションで訓練されたポリシーは実世界にゼロショット転送される。

2. 先行研究と比べてどこがすごい?

既存手法は、視覚的ギャップや物理的ギャップなどの各不一致を個別の適応モジュールで対処し、それらを構成または層化する。BIFROSTは、これらのギャップを分離して扱うのではなく、シミュレーションと現実のタスク間に存在する共有構造を直接特定・活用する点で優れている。これにより、複数のギャップが共存する場合でも、単一の共有表現学習で効果的な転送を実現し、ドメイン適応や共訓練ベースラインが失敗する状況でも成功する。

3. 技術・手法の肝は?

手法の核心は、クロスドメインのbisimulation目的を用いた共有履歴エンコーダの学習である。ペアのクロスドメインデータ(同一タスクのシミュレーションと実世界の観測-行動系列)を使用し、長期的な挙動が同等である系列を潜在空間で近接させる。これにより、ドメイン固有のレンダリングや物理の違いを排除し、タスクの本質的な状態表現を獲得する。ポリシーはこの潜在状態上でシミュレーションにおいて訓練され、実世界にゼロショット転送される。

4. どうやって有効だと検証した?

有効性は、sim2simの視覚ナビゲーションタスクと、sim2realの接触を伴う操作タスクおよび視覚サーボタスクで検証された。BIFROSTは、視覚的および物理的ドメインギャップの両方が存在する状況で、ドメイン適応や共訓練ベースラインが失敗する中で効果的な転送を達成した。

5. 議論はある?

要旨からは、BIFROSTが共有構造を特定するためにペアのクロスドメインデータを必要とすること、またそのデータの取得方法や、より複雑なタスクや大きなドメインギャップへのスケーラビリティに関する議論は不明である。さらに、ゼロショット転送の成功条件や、潜在表現の解釈可能性についての考察も要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている関連手法として、ドメイン適応(domain adaptation)と共訓練(co-training)のベースラインが挙げられる。また、sim2real転送の一般的な手法として、Domain RandomizationやReality Gapの研究が関連する。次に読むべき論文としては、これらのベースライン手法の詳細や、bisimulationを用いた表現学習の基礎論文が考えられるが、要旨からは特定の論文名は不明である。

※ 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: Yunfu Deng, Josiah P. Hanna

分類: cs.RO, cs.LG

原文アブストラクト

Sim2real transfer for robot policy learning suffers due to mismatch between simulation and reality. Existing methods typically address each gap in isolation through separate adaptation modules, which are composed or layered when both gaps coexist. Yet the basis for attempting sim2real in the first place is that there is shared structure between a task in simulation and reality, where equivalent actions from equivalent configurations produce equivalent long term outcomes regardless of domain specific differences in rendering or physics. In this paper, we study whether we can identify and exploit this shared structure from raw observations to train a policy that enables zero shot transfer. We introduce BIFROST, which learns a shared history encoder on paired cross-domain data via cross-domain bisimulation objective: observation-action sequences leading to equivalent long-term behavior are mapped to nearby latent states, regardless of domain. Policies trained on these latent states in simulation transfer zero-shot to reality. We provide empirical evidence on sim2sim visual navigation and sim2real contact rich manipulation task and visual servoing task that BIFROST achieves effective transfer where domain adaptation and co-training baselines fail under both visual and dynamics domain gaps.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI