大規模ロボット学習のためのGPUバッチ5Gシミュレーションによるネットワーク・イン・ザ・ループ
Network-in-the-Loop at Scale: GPU-Batched 5G Simulation for Massively Parallel Robot Learning
GPU上で数千環境の5G上りリンクを物理シミュレーションと同期して一括計算するIsaac-Netを提案し、100万ロボット規模でも実用的な速度でネットワーク遅延を考慮した学習を可能にした。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Zifan Zhang, Mingzhe Han, Kannan Athreya, Yuchen Liu
分類: cs.NI, cs.AI, cs.DC, cs.RO
原文アブストラクト
Massively parallel GPU simulators train multi-robot policies in thousands of environments, and many fleets use private Fifth-Generation (5G) networks, where each robot's delay depends on its teammates' traffic. Network-in-the-loop training places a simulated 5G network inside this loop. However, GPU robot simulators reduce the network to an independent delay per message, while packet-level simulators run one scenario per CPU process and cannot keep pace with thousands of parallel environments. To bridge this gap, we present Isaac-Net, a GPU-batched 5G New Radio (NR) module that advances the uplink of thousands of environments in lockstep with Isaac Lab physics. Isaac-Net simulates every slot, the 0.5~ms interval in which the base station decides which robots transmit, for all environments at once. Extensive experiments confirm that its NR engine reproduces the median delay of ns-3 5G-LENA across loads, with a median delay 5--10\% low on an unseen carrier and 9\% high at 32 robots per environment in closed loop. The engine also reproduces the Age of Information (AoI), the age of each robot's newest delivered report, while an independent delay per message leaves the AoI tail about three times too light. In a configuration validated against 5G-LENA, Isaac-Net keeps the network in the loop for about one million robots on one GPU at 83\% of the Isaac Lab rate without the network, measured under a random policy. Isaac-Net is open source at https://github.com/ZzZTripleZzZ/isaac-net
関連論文
- SceneFactory-3D：2D交通シーンを3D物理的反実世界へ持ち上げ、スケーラブルな物理基盤の安全評価を実現sim2real
- Skill2Real：ゼロショットSim-to-Realロボットマニピュレーションのためのエージェント型スキル学習sim2real
- RoboBridge：シミュレーションから実世界への転移のための自己進化型具現化エージェントフレームワークsim2real
- I2CD: 単一画像から凸分解された衝突形状を直接生成sim2real
- 報酬ハッキングを超えて：段階的人型学習パイプラインの4層におけるプロキシ乖離sim2real
- Awomo-SimDataEngine: エージェント型シミュレーション対応世界生成sim2real