模倣学習2026/9/9arXiv:2609.09821

InstantMimic: 物理ベーススキルを数秒で学習する高性能システム

InstantMimic: A High Performance System for Learning Physics-based Skills in Seconds

強化学習による物理ベースキャラクタ制御の学習ループ全体をGPU上で完結させ、多様なスキルを数秒で学習可能にしたシステム。

詳しい要約

1. どんなもの？

InstantMimicは、physics-based character controlのための学習システム。DeepMimic系のimitation learningを対象に、training loop全体をGPU-native化し、多様なphysics-based skillsの学習を数秒に短縮する。LLM-agent-driven hyperparameter searchも実用的にする。

2. 先行研究と比べてどこがすごい？

DeepMimicなどのDeep RL/imitation learningはGPU-accelerated simulationでも、physics solver外のoverhead（fragmented GPU kernelsやCPU memory access）により計算効率が悪かった。InstantMimicはend-to-end pipelineをGPU-nativeに統合し、training timeを数秒に短縮する点が異なる。

3. 技術・手法の肝は？

- GPU-native physics backendを基盤とする - simulation, environment computation, policy inference, policy updatesを単一のexecution flowに統合 - 全体をGPU-nativeなtraining loopとして再設計し、critical path上のCPU memory accessやfragmented GPU kernelsを排除

4. どうやって有効だと検証した？

要旨からは不明。多様なphysics-based skillsのtraining timeが数秒に短縮されたと述べられるが、具体的な実験設定や比較結果は記載されていない。

5. 議論はある？

要旨からは不明。training効率の改善とLLM-agent-driven hyperparameter searchの実用化が示唆されるが、限界や議論には触れていない。

6. 次に読むべき論文は？

DeepMimic（imitation learning手法）が参照されている。関連手法としてDeep RL、physics-based character control、GPU-native simulationが挙げられる。

※ 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: Ikjun Choi, Geonho Leem, Jungdam Won

分類: cs.GR, cs.RO

原文アブストラクト

Physics-based character control is a long-standing challenge in computer graphics and robotics, requiring policies that satisfy complex dynamics while producing realistic motion. Recent Deep RL approaches, particularly imitation learning methods such as DeepMimic, have had broad impact beyond animation, influencing robotics by enabling agile and expressive behaviors. While these approaches achieve impressive results, they remain computationally inefficient to train in practice. Despite GPU-accelerated simulation, we find that end-to-end pipelines often underutilize hardware due to overheads outside the physics solver, caused by fragmented GPU kernels and CPU memory access in the critical path. We present InstantMimic, a system that addresses these inefficiencies by making the entire training loop GPU-native. Built on a GPU-native physics backend, our unified pipeline integrates simulation, environment computation, policy inference, and policy updates within a single execution flow. As a result, InstantMimic reduces training time for diverse physics-based skills to a few seconds and makes LLM-agent-driven hyperparameter search practical.

arXivで原文を読む →arXiv概要ページ