自己主導のロボット相互作用でダイナミクスギャップを埋める

- カメラ観測から simulation 内に scene を再構成する Agentic Real2Sim2Real システムにおいて、friction や restitution などの contact-rich dynamics が interaction なしでは観測できない問題（dynamics gap）を扱う研究。 - CUE と名付けた agentic system を提案し、環境と自ら interaction することで dynamics gap を閉じる。 - 高レベル instruction のみを与えられ、reset なしで動作する。

- 従来の Agentic Real2Sim2Real は camera 観測からの scene 再構成に留まり、contact-rich dynamics は interaction なしに観測できないという限界があった。 - CUE は自ら環境と interaction して physical parameters を同定することで、この dynamics gap の閉鎖を狙う点が新しい。 - billiards の simulation で 25 の hidden-physics 条件に対し、最強 baseline 比で held-out ball-position error を 72% 削減したと報告。

- 高レベル instruction のみを入力とし、reset なしで動作する agentic system。 - agent が自前の perception を構築し、physical parameters を同定する。 - simulation の精度が最も低い箇所を狙って interaction を選択する（targeted interaction）。 - 詳細なアルゴリズム構成は要旨からは不明。

- simulation 上の billiards タスクで、25 の hidden-physics 条件に対し held-out ball-position error を最強 baseline 比 72% 削減して評価。 - さらに実機の pool table 上にも deploy して検証。 - 具体的な実機評価指標は要旨からは不明。

- 要旨からは不明（限界や失敗ケース、議論点の記載なし）。 - 実機 deploy の結果詳細や汎化性に関する議論は要旨からは不明。

- 要旨で参照・比較されている最強 baseline の具体名は要旨からは不明。 - 関連手法として Agentic Real2Sim2Real、Real2Sim2Real、system identification、active learning / targeted interaction 系の研究が次に読む候補。 - 詳細は project website (https://cue-dynamics.github.io/) を参照。