Physical AI Lab // 第 2.5 話 // 1枚まとめ
sim2real：ドメインランダム化 とシステム同定
シミュレーションと現実の隙間を、二つの方法で埋める
三つのポイント
- シミュレーションと実機には「現実とのギャップ」がある：摩擦、質量、遅延、センサーのノイズがどれも合わない可能性があり、シミュレーションでうまくいっても実機でうまくいくとは限らない。
- ドメインランダム化：学習中にシミュレーションの見た目や物理のパラメータ（テクスチャ、または質量／摩擦／遅延）をランダムに変え続け、幅広い状況で成り立つ方策にしてから実機へ（Tobin 2017：論文によると、ランダムなテクスチャのシミュレーション画像だけで学習し、実世界での物体の位置推定精度は 1.5 cm、R；Peng 2017：論文によると、シミュレーションの動力学をランダム化し、実機で学習させなくても、論文で試した物を押す課題をこなせた、R）。
- システム同定：実機のデータからパラメータを逆算する（実演：一本の軌跡から摩擦を当てはめ、推定値≈本当の値）。実際には二つを組み合わせる：同定で範囲をしぼり、残ったずれをランダム化で受け止める。
出典：O 公式・一次 · R 学術文献 · M メディア・二次
| R | 1.5 cm | の位置精度。論文によると、シミュレーションのランダムな模様だけで学習（ドメインランダム化）し、現実の世界で物体の位置を1.5 cmの精度で推定 |
| O | 1 | MuJoCo の標準の滑り摩擦係数は1（friction の三成分 1 / 0.005 / 0.0001 は、順に滑り・ねじれ・転がり） |
| O | 2ミリ秒 | MuJoCo の標準のシミュレーション時間ステップ（0.002 秒） |
| R | 実機での学習なし | 論文によると、学習中にシミュレーションの動力学をランダム化し、方策を実機で学習させなくても、論文で試したロボットアームの物を押す課題を実機でこなせた |
さらに読む
- Tobin ら · Domain Randomization（arXiv 1703.06907）
https://arxiv.org/abs/1703.06907 - Peng ら · Sim-to-Real with Dynamics Randomization（arXiv 1710.06537）
https://arxiv.org/abs/1710.06537 - MuJoCo ドキュメント · XML Reference（friction、timestep の標準値）
https://mujoco.readthedocs.io/en/stable/XMLreference.html