見るからシミュレーションへ：デジタル・カズンズによる生成的高精度シミュレーションでの、汎化可能なロボット学習と評価
arXiv cs.RO / 2026/4/20
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research
要点
- 本論文は、実環境のパノラマ映像から高精度なシミュレーション環境へ生成的に写像する枠組みを提案し、実データ収集のコストを下げることを目的としています。
- semantic（意味）およびgeometric（幾何）編集により多様な「デジタル・カズンズ」シーンを生成し、高品質な物理エンジンと現実的なアセットを活用してロボットのインタラクティブな操作タスクを支えます。
- 複数部屋のstitchingにより、複雑なレイアウト上での長期（ロングホライズン）ナビゲーションに向けて、整合性のある大規模環境を構築します。
- 実験ではsim-to-real（シミュレーションから実環境への転移）の相関が強いことが示され、さらに生成データ量を大きくスケールすることで、未見のシーンや物体のバリエーションへの汎化が大きく改善されると報告しています。
