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:2610.19479

能動的生成シミュレーション：Sim-to-Realポリシー共訓練のための何をシミュレートすべきかのメタ学習

Active Generative Simulation: Meta-Learning What to Simulate for Sim-and-Real Policy Co-Training

シェア:XThreadsFacebookLINEはてブBluesky

シミュレータのデータ生成分布をメタ学習で最適化し、実世界タスク性能を最大化するMetaGenSimを提案。実機マニピュレーションで均一生成比150%の成功率向上を達成。

詳しい要約

1. どんなもの？

- ロボット学習のためのsim-and-real co-trainingを効率化する手法。 - シミュレータのデータ生成分布を最適化し、実世界性能を最大化するActive Generative Simulationを定式化。 - MetaGenSimというmeta-learningフレームワークを提案。 - 補助的なrater networkをmeta-gradientsで訓練し、高有用性のデータ生成分布を自動発見。 - 手動パラメータ調整不要。

2. 先行研究と比べてどこがすごい？

- 既存手法はシミュレータを固定データ源とみなし、均一生成、オフライン検索、専門家による手動パラメータ調整に依存。 - MetaGenSimはデータ生成分布を最適化し、実世界性能を最大化。 - 均一生成や検索ベースラインを上回り、実世界フルタスク成功率で150%相対改善。 - 専門家の手動調整に匹敵する性能を達成。

3. 技術・手法の肝は？

- meta-learningフレームワークMetaGenSimを提案。 - 補助rater networkをmeta-gradientsで訓練。 - ユーザ指定のシミュレーションパラメータ空間内で高有用性データ生成分布を自動発見。 - 手動パラメータ調整を不要に。 - 軽量プロキシポリシーでキュレーションした分布をVLAファインチューニングに転移。 - 部分的なアラインメントを活用：atomic skill stitchingとobject-receptacle composition。

4. どうやって有効だと検証した？

- シミュレーションおよび実世界のマニピュレーションタスクで評価。 - 均一生成および検索ベースラインと比較。 - 実世界フルタスク成功率で150%相対改善。 - 専門家手動調整と同等の性能。 - 軽量プロキシポリシーでキュレーションした分布がVLAファインチューニングに転移することを示す。 - 部分アラインメント活用（atomic skill stitching, object-receptacle composition）を実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：uniform generation, retrieval baselines, expert manual alignment。 - 関連手法：sim-and-real co-training, meta-learning, VLA fine-tuning。 - 同分野の定番：domain randomization, sim-to-real transfer。

※ 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: Liqian Ma, Vaibhav Saxena, Utkarsh Aashu Mishra, Shuo Cheng, Yongxin Chen, Danfei Xu

分類: cs.RO

原文アブストラクト

Sim-and-real co-training is an effective way to scale robot learning by augmenting limited real-world demonstrations with simulation data. However, existing approaches typically treat simulators as fixed data sources, relying on uniform generation, offline retrieval, or manual parameter alignment by domain experts. We formulate \textit{Active Generative Simulation}: optimizing a simulator's data-generation distribution to maximize downstream real-world performance. To solve this problem, we propose MetaGenSim, a meta-learning framework that trains an auxiliary rater network via meta-gradients to automatically discover high-utility data-generation distributions within a user-specified simulation parameter space, without manual parameter alignment. Across simulation and real-world manipulation tasks, MetaGenSim outperforms uniform generation and retrieval baselines, achieves a 150% relative improvement in real-world full-task success over uniform generation, and matches expert manual alignment. We further show that distributions curated with a lightweight proxy policy transfer to VLA fine-tuning, and that MetaGenSim can exploit partial alignment through atomic skill stitching and object-receptacle composition when exact sim-and-real task alignment is unavailable. Project website: https://meta-gensim.github.io

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