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:2610.26757

シミュレーション事前分布によるモデルベース強化学習の高速適応:自動運転レースへの応用

Simulation Priors for Rapid Adaptation in Model-Based RL for Autonomous Racing

シェア:XThreadsFacebookLINEはてブBluesky

低・高忠実度のシミュレーション軌道で世界モデルを事前学習し、不確実性正則化プランニングで実車の少ない相互作用から高速適応する枠組みを提案し、実車レースで1時間未満の適応を実現した。

詳しい要約

1. どんなもの?

- 対象: 実車両での強化学習(RL)制御のデータ収集コスト・安全性問題。 - 提案: Prior-Informed Adaptation (PIA) という offline-to-online の model-based RL フレームワーク。 - 構成: 低/高忠実度の heterogeneous な simulated trajectories で world model を pretrain し、target-domain の限られた interaction で uncertainty-regularized planning により適応。 - 応用: autonomous racing を対象に、high-fidelity simulation と実車の full-size autonomous race car で評価。

2. 先行研究と比べてどこがすごい?

- 従来の sim-to-real は正確な simulator による policy transfer を前提としがち。 - PIA は simulated trajectories を『biased priors』として扱い、online adaptation 中に residual mismatch を補正する点が異なる。 - 要旨では simulation 上で track/surface shifts に対し strong baselines より高速に適応し、lap times 低下と failures 減少を報告。 - 実車では 1 時間未満の on-vehicle interaction で few-shot adaptation を達成。

3. 技術・手法の肝は?

- world model を heterogeneous な low-/high-fidelity simulated trajectories で pretrain。 - その後、target domain の限られた interaction を用いて adaptation。 - 適応時の planning に uncertainty regularization を導入。 - simulator の正確さを要求せず、sim 軌跡を biased prior とみなし残差を online で補正する設計。

4. どうやって有効だと検証した?

- high-fidelity simulation での autonomous racing 評価。 - 実車の full-size autonomous race car での評価。 - simulation では track/surface shifts 下で strong baselines と比較し、適応速度・lap times・failures を指標に検証。 - hardware では 1 時間未満の on-vehicle interaction での few-shot adaptation の信頼性を確認。

5. 議論はある?

- simulator の忠実度や heterogeneity が prior の質と適応にどう影響するかは要旨からは不明。 - uncertainty regularization の設計感度や、より大規模な domain shift への一般性は要旨からは不明。 - 実車評価は autonomous racing に限定されており、他タスクへの転用可能性は要旨からは不明。 - 安全性・失敗時の挙動に関する詳細な議論は要旨からは不明。

6. 次に読むべき論文は?

- model-based RL の world model 学習(例: Dreamer 系)に関する論文。 - offline-to-online RL / fine-tuning に関する研究。 - sim-to-real transfer と domain randomization の関連研究。 - uncertainty-aware planning / model-based planning の関連手法。 - autonomous racing における RL 制御の先行研究。

※ 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: Adrian Remonda, Jiajun Xi, Nicklas Hansen, Marcus Greiff, Thomas Lew, John Talbot, John Subosits, Xiaolong Wang

分類: cs.LG, cs.RO, eess.SY

原文アブストラクト

Reinforcement learning enables learning high-performance control policies, but its reliance on extensive interaction limits deployment on physical systems where data collection is costly, and failures are unsafe. We introduce Prior-Informed Adaptation (PIA), an offline-to-online model-based RL framework that uses structured simulation priors for rapid adaptation. PIA pretrains a world model on heterogeneous low- and high-fidelity simulated trajectories, then adapts it with limited target-domain interaction using uncertainty-regularized planning. Rather than requiring an accurate simulator for policy transfer, PIA treats simulated trajectories as biased priors whose residual mismatch is corrected during online adaptation. We evaluate PIA in autonomous racing using high-fidelity simulation and on a real full-size autonomous race car. In simulation, PIA adapts faster across track and surface shifts than strong baselines, achieving lower lap times and fewer failures. On hardware, PIA achieves reliable few-shot adaptation with less than one hour of on-vehicle interaction.

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

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