何が起きたか
RoboPartyは、RPOとRP1向けの学習、評価、ポリシー書き出しを行うGitHubリポジトリー「roboparty_train」を公開している。Isaac Lab 3.0.0 GAとRSL-RL 5.5.1のフォークを基盤とし、MJWarpまたはIsaac SimのPhysXを使う構成を用意する。学習方式としてAMP、BeyondMimic、Parkourのワークフローを含む。
詳細
リポジトリーは、RoboPartyのIsaac Lab拡張や環境、スクリプト、ロボット資産を含む「robolab」と、AMPおよびParkourのポリシーに対応したRSL-RLのフォークから成る。MJWarpとPhysXは別のPython環境を使い、RP1の学習例ではタスク「RP1-Flat」に対して「--num_envs=4096」を指定する。これは実行コマンドの設定値であり、実測処理能力を示すものではない。 同梱のモーションデータはRPO、RP1それぞれについてAMP用のPKL形式とBeyondMimic用のNPZ形式を用意する。HHToolsからの変換例ではAMPが120 Hz、BeyondMimicが50 Hzで、変換時に対象ロボットを「rp1」または「rpo」と指定する。Parkourの書き出しでは「0-depth_encoder.onnx」と「actor.onnx」に加え、対応する「.onnx.data」ファイルも必要とされる。
Key Facts
| roboparty_trainはRPOとRP1の学習、評価、ポリシー書き出しを提供する。 | [1] |
| 基盤としてIsaac Lab 3.0.0 GAとRSL-RL 5.5.1のフォークを記載している。 | [1] |
| 学習方式にAMP、BeyondMimic、Parkourのワークフローを含む。 | [1] |
| モーション変換の例ではAMPの出力レートを120 Hz、BeyondMimicを50 Hzとしている。 | [1] |
| RP1-Flatの学習コマンド例は「--num_envs=4096」を指定している。 | [1] |
本紙の見方
このリポジトリーの特徴は、ロボット本体の設計公開にとどまらず、シミュレーション上の学習、評価、ポリシー書き出しを同じ開発資産の中に置いている点にある。RPOとRP1の環境を扱い、AMP、BeyondMimic、Parkourを用意する一方、物理計算はMJWarpとIsaac SimのPhysXから選ぶ構成だ。ただし、4096という値はRP1-Flatのコマンド例に含まれる環境数の指定であり、学習速度や実機性能の測定結果ではない。ここを処理能力の公表値と読み替えないことが重要である。 本紙が扱った「RP1」の機械設計から学習までをGitHubで公開という開発資産の公開に対し、今回のリポジトリーは学習・評価・書き出しに関わるソフトウェア面を具体化するものと位置づけられる。また、RPOとRP1向けROS 2展開フレームワークが示すロボット接続や推論などの展開側とは役割が異なる。設計・学習から運用環境への展開まで、公開された構成要素は複数の段階に分かれており、このリポジトリー単体が実機での動作や一貫した互換性を保証するわけではない。 構造上の論点は三つある。第一に、MJWarpとPhysXでPython環境を分けているため、利用者は物理バックエンドを選び、依存関係や実行条件を合わせる必要がある。第二に、AMPとBeyondMimicでは例示されたデータ形式と出力レートが異なり、モーションの準備・変換が学習経路ごとの作業になる。第三に、ポリシーの書き出しまで含めることで、学習結果を後段に渡す手順も対象となるが、実機上の互換性や性能はこの説明だけからは判断できない。 次に確認すべきなのは、各方式で学習したポリシーがどのロボット構成・実機条件で評価されるのか、学習に使うデータの作成条件と利用範囲、書き出したモデルの実行要件である。リポジトリーの記載は手順やデータ形式を示す一方、学習所要時間、実機での成功率、安全性評価、対応する具体的なハードウェア構成を示していない。従って、公開された開発基盤の範囲と、実機で検証済みの能力を分けて見る必要がある。
なぜ重要か
RPOとRP1の利用者は、学習だけでなく評価とポリシー書き出しまでを同じリポジトリーの手順で扱える。もっとも、AMPとBeyondMimicではモーションの形式や例示レートが異なり、MJWarpとPhysXも別環境であるため、利用には方式ごとのデータ変換と実行環境の選択が伴う。
