物理的人間-ロボット相互作用における政策学習のための生成シミュレーション
arXiv cs.RO / 2026/4/13
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、物理的人間-ロボット相互作用に対して、自然言語プロンプトから多様なシナリオを合成するゼロショットの「text2sim2real（テキストからシミュレーション、そして実環境へ）」生成シミュレーション枠組みを提案する。
- LLM（大規模言語モデル）およびVLM（大規模視覚言語モデル）を用いて、支援タスク向けに軟体（ソフトボディ）の人間モデル、シーン構成、ロボット運動軌道を手続き的に生成する。
- この枠組みにより、大規模な合成デモンストレーションの収集を可能にし、セグメント化された点群を用いた視覚ベースの模倣学習ポリシーを訓練できる。
- かきかき動作と入浴を対象としたユーザースタディによる実験では、学習したポリシーがゼロショットのsim-to-real（シミュレーションから実環境への）転移を達成し、成功率は80%超であり、台本化されていない人間の動作に対する頑健性も示された。
- 著者らは、pHRI向けにシミュレーション環境の合成、合成データ生成、そして政策学習を自動化する最初の生成シミュレーション・パイプラインであると位置づけている。
