2026/8/1arXiv:2608.12416

RoboSynChallenge: Mastering Real-World Dexterity via Generalizing Synthesized Manipulation Skills

詳しい要約

1. どんなもの？

RoboSynChallengeは、ロボット操作ポリシーの一般化可能性を評価・向上させるための統一ベンチマークを導入する競技会である。大規模な合成データ生成と標準化された実世界ロボット評価を統合し、参加者は合成されたstate-action trialを利用して汎用ポリシー学習を改善しつつ、最終評価は未見の実世界環境でのみ行われる。ベースラインとしてTransformer、Diffusion、Vision-Language-Action、World-Action-Modelベースのポリシーが提供され、再現性と比較可能性を確保する。

2. 先行研究と比べてどこがすごい？

先行研究では、実世界データの不足と多様性の欠如がロボット操作の一般化を制限していた。RoboSynChallengeは、大規模合成データ生成と実世界評価を組み合わせた統一ベンチマークを提供することで、この問題に対処する点が優れている。また、複数のベースラインポリシーを標準化して提供し、公平な比較を可能にしている。

3. 技術・手法の肝は？

手法の肝は、合成データ生成と実世界評価のカップリングにある。具体的には、大規模な合成データを生成してポリシーの事前学習に利用し、その後、未見の実世界環境でのみ最終評価を行う。これにより、シミュレーションでの訓練と実世界での検証を分離し、一般化能力を厳密に評価する。ベースラインとして、Transformer、Diffusion、Vision-Language-Action、World-Action-Modelベースのポリシーが提供される。

4. どうやって有効だと検証した？

有効性の検証方法は、競技会の形式で、参加者が合成データで訓練したポリシーを、未見の実世界操作環境で評価することにより行われる。最終評価は実世界のみで実施され、一般化性能が測定される。ベースライン実装が提供され、再現性と比較可能性が確保される。

5. 議論はある？

要旨からは、合成データと実世界データの分布のずれ（sim-to-real gap）や、合成データの品質が最終性能に与える影響についての議論は明示されていない。また、競技の評価指標やタスクの詳細、参加者の多様性などについても要旨からは不明である。

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、Transformer-based policies、Diffusion policies、Vision-Language-Action models、World-Action-Model-based policiesが挙げられる。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を説明した論文や、sim-to-real transferに関する一般的な研究が考えられる。

※ 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: Runyi Zhao, Ruixin Wu, Chengkun Li, Hongrui Zhang, Ang Li, Ruixing Jin, Yueci Deng, Yingying Guo, Lihe Ding, Shaocong Dong, Tianfan Xue, Yanjun Gao, Yudong Luo, Pascal Poupart, Simo Wu, Kui Jia, Wei-shi Zheng, Guiliang Liu

分類: cs.RO

原文アブストラクト

Achieving generalizable robotic manipulation remains a central challenge in embodied intelligence. Despite rapid advances in model architectures and learning algorithms, progress is often limited by the scarcity and narrow diversity of real-world data. The RoboSynChallenge competition introduces a unified benchmark to evaluate and advance the generalizability of manipulation policies across a spectrum of tasks, environments, and difficulty levels. To alleviate the shortage of realistic data, the challenge integrates large-scale synthetic data generation with standardized real-world robotic evaluation. Participants are encouraged to leverage synthesized state-action trials to improve general-purpose policy learning, while final assessments are conducted exclusively on unseen real-world manipulation environments. Baseline implementations, including Transformer-, Diffusion-, Vision-Language-Action, and World-Action-Model-based policies, are provided to ensure reproducibility and comparability. By coupling scalable simulation-based training with rigorous real-world validation, RoboSynChallenge aims to foster the development of broadly capable, data-efficient, and adaptable manipulation systems, thereby paving the way toward truly general robotic intelligence.

arXivで原文を読む →arXiv概要ページ

← 論文一覧