Genie Sim 3.0：ヒト型ロボット向けの高精細な包括的シミュレーションプラットフォーム

抄録: 堅牢で汎用性の高いロボット学習モデルの開発は、大規模で多様な学習データと信頼できる評価ベンチマークの利用可能性に厳密に依存している。実世界でデータを収集することは、コスト面での負担が大きく、またスケールしにくいという課題がある。さらに、従来のシミュレーション向けベンチマークは断片化が進んでいたり、対象範囲が狭かったり、もしくは実環境への転移（sim-to-real transfer）を可能にするのに十分な忠実度が欠けていたりすることが多い。これらの課題に対処するため、ロボットのマニピュレーション向けの統一型シミュレーションプラットフォームであるGenie Sim 3.0を提案する。自然言語の指示から高忠実度なシーンを構築する、言語モデル（LLM）駆動のツールであるGenie Sim Generatorを提示する。その主たる強みは、迅速かつ多次元にわたる汎化にあり、それによって、多様な環境を合成して大規模なデータ収集と堅牢な方策（ポリシー）の評価を支えることができる。さらに、LLMを用いた自動評価への適用を先駆ける最初のベンチマークを導入する。これは、LLMを用いて評価シナリオを大量生成し、Vision-Language Model（VLM）を用いて自動評価の評価パイプラインを確立する。加えて、200を超えるタスクにまたがる10,000時間以上の合成データからなるオープンソースのデータセットも公開する。体系的な実験を通じて、提案するオープンソースデータセットが備える、堅牢なゼロショットのsim-to-real転移能力を検証し、制御された条件のもとでは、合成データがスケーラブルな方策学習における実世界データの効果的な代替として機能し得ることを示す。コードおよびデータセットの詳細は以下を参照してほしい: https://github.com/AgibotTech/genie_sim。