日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
sim2realarXiv:2610.02274

Awomo-SimDataEngine: エージェント型シミュレーション対応世界生成

Awomo-SimDataEngine: Agentic Simulation-ReadyWorld Generation

シェア:XThreadsFacebookLINEはてブBluesky

資産・シーン生成からロボット実演合成までを繋ぐエージェント型システムを提案し、生成データによるクロスシミュレータ方策学習の有効性を示した。

詳しい要約

1. どんなもの？

- ロボット学習用データ生成を目的とした agentic system「Awomo-SimDataEngine」 - asset 生成と scene 生成を robot demonstration 合成へ接続 - 視覚的に妥当なだけでなく、interaction 可能・物理的に妥当・再現可能な task を目指す - 構成要素 - 共有 asset サービス: rigid/articulated object を提供、ISArt による構造に基づく part/joint 生成 - scene 生成: 画像から編集可能 scene を再構成する Unravel、text から single-room/multi-room 環境を構築する SimForge - graph-native harness: 構築・検証・bounded repair を調整し、失敗を担当 module へ routing - PolicyForge: 検証済み world を task と robot embodiment に結び付け、replayable demonstration を…

2. 先行研究と比べてどこがすごい？

- 従来の scene 生成は視覚的妥当性に偏りがちだが、本手法は interaction 可能性・物理的妥当性・再現可能な実行を重視 - asset 生成から demonstration 合成までを一貫して接続する agentic system を提示 - 失敗時に scene 全体を破棄せず、影響のない状態を保持したまま担当 module へ bounded repair を routing する点が特徴 - 具体的な先行研究との定量比較は要旨からは不明

3. 技術・手法の肝は？

- ISArt による構造に基づく part/joint 生成を含む共有 asset サービス - Unravel による画像からの編集可能 scene 再構成 - SimForge による text からの single-room/multi-room 環境構築 - graph-native harness が構築・検証・bounded repair を調整し、失敗を責任 module へ routing - PolicyForge が検証済み world を task と robot embodiment に結び付け、replayable demonstration を生成

4. どうやって有効だと検証した？

- asset geometry、scene quality、downstream policy learning を評価 - MuJoCo-based LIBERO-Plus において、Isaac Sim demonstrations との co-training を実施 - World-Action Model (WAM) の overall success rate が 77.17% から 89.43% へ向上 - Goal success は 31.66 ポイント、spatial success は 6.25 ポイント改善 - long-horizon task では改善が限定的

5. 議論はある？

- 生成データが cross-simulator policy training に有用であることを示唆 - long-horizon task での gain は限定的であり、課題が残る - その他の限界や議論は要旨からは不明

6. 次に読むべき論文は？

- ISArt - Unravel - SimForge - PolicyForge - LIBERO-Plus - Isaac Sim - MuJoCo - World-Action Model (WAM)

※ 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: Awomo-PhysicalRSI Team, Danjiao Ma, Enhui Ma, Haohan Liu, Heng Jia, Hui Shan, Jianhua Xu, Jiahuan Zhang, Jiangdi Xu, Kaiwen Guo, Kaicheng Yu, Linwei Zhang, Liyang Jin, Maochun Luo, Pengyao Niu, Shiwen Li, Shuangyu Feng, Tong Zhang, Tianheng Wang, Xin Wang, Xiangru Huang, Yongqiang Huang, Zhaozhi Wang, Zijian Ma

分類: cs.RO

原文アブストラクト

Generating useful robot-training data requires more than visually plausiblescenes: objects must support interaction, placements must remain physicallyvalid, and tasks must admit repeatable execution. We present\textbf{Awomo-SimDataEngine}, an agentic system that connects asset and scenegeneration to robot demonstration synthesis. Shared asset services providerigid and articulated objects, including structure-grounded part and jointgeneration with ISArt. Scene generation supports two complementary routes:Unravel reconstructs editable scenes from images, while SimForge buildssingle-room and multi-room environments from text. A graph-native harnesscoordinates construction, validation, andbounded repair, routing failures to the responsible module while retainingunaffected scene state. PolicyForge binds validated worlds to tasks and robotembodiments to produce replayable demonstrations. Evaluations cover assetgeometry, scene quality, and downstream policy learning. On MuJoCo-basedLIBERO-Plus, co-training with Isaac Sim demonstrations improves the overallsuccess rate of a World-Action Model (WAM) from $77.17\%$ to $89.43\%$. Goal and spatialsuccess improve by $31.66$ and $6.25$ percentage points, respectively.These results support the utility of the generated data for cross-simulatorpolicy training, with more limited gains on long-horizon tasks.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI