Physical AI Lab // 第 1.4 話 // 小テスト
シミュレータの地図
MuJoCo、Isaac、Newton、Genesis。それぞれの得意分野
01
同じコップをつかむ動きを二つのエンジンで再生すると、前半はほぼ重なりますが、指がコップに触れたとたん、二本の軌跡がどんどん離れていきます。いちばん考えられる原因は？
二つのエンジンで、映像の描き方がちがう
二つのエンジンで、接触の近似がちがう
片方のエンジンの重力の設定がまちがっている
二つのエンジンで、ちがう型のロボットを読みこんだ
02
シミュレーションの時間の刻みを小さくすると、いちばん起こりやすいのは？
計算が速くなり、結果も正確になる
速くなるが、接触でものがすり抜ける
正確になるが、計算は遅くなる
結果は変わらず、曲線がなめらかになるだけ
03
指と小さな部品のあいだの細かい接触を研究し、多くの論文と結果を比べたいとします。動画の紹介から、いちばん合うエンジンは？
MuJoCo：接触の計算が正確で、基準によく使われる
Genesis：とても新しく、多くの物理を一つにまとめようとしている
Isaac：映像がリアルで、画像データづくりに向く
Newton：布ややわらかいものも一緒に計算するのが売り
04
記事で「MuJoCo-Warp で人型のシミュレーションが70倍以上速くなる」と引用します。いちばん適切な書き方は？
独立した評価で、どの作業も70倍速いと確かめられた
論文の実測で、実機での学習より70倍速い
DeepMind が公式に、最低70倍の高速化を約束した
エヌビディアによると、人型の計算が70倍以上速い
05
あるチームが、いちばん速いエンジンと何千もの並列環境でつかむ方策を学ばせましたが、実機ではよく失敗します。締めくくりのどの注意が、これをいちばんよく説明しますか？
エンジンがまだ遅いので、もっと速いもので学び直す
並列環境を増やしすぎて、方策が混乱した
速くても正確とはかぎらず、仮想は現実ではない
シミュレーションは役に立たず、実機だけで学ぶべき
答えを見る