Swim2Real：VLMガイドによるシミュレーションから現実への移送のためのシステム同定

要旨: 本論文では、泳ぐ映像からビジョン・ランゲージ・モデル（VLM）のフィードバックを用いて16パラメータのロボット魚シミュレータを較正するパイプライン「Swim2Real」を提示する。手作業で設計した探索ステージは不要である。柔らかい水中ロボットの較正は特に難しい。非線形な流体‐構造連成によりパラメータ空間の景観がカオス的になり、簡略化した流体モデルは恒常的な sim-to-real ギャップを生み、制御された水中実験の再現も困難である。このプラットフォームに関する先行研究では、この複雑さを扱うために手作業で調整した3つの段階が必要だった。VLMはシミュレート映像と実映像を比較し、パラメータ更新を提案する。続いてバックトラッキングのラインサーチが各ステップサイズを検証し、方向は正しいが大きさが過大である提案を回復することで、受理率を14%から42%へと3倍にした。Swim2Realは16パラメータすべてを同時に較正し、あらゆるモータ周波数において実魚の速度と最も近く一致する（MAE = 7.4 mm/s、次点の手法より43%低い）。5回の実行において外れ値となる初期シードは0件だった。訓練済みポリシーからのモータ指令は50 Hzで実機の魚へ転送され、水中での実運用まで、泳ぐ映像から現実世界へのパイプラインを完了する。下流のRLポリシーは、BayesOptで較正したシミュレータから得たものより12%長く泳ぎ、CMA-ESより90%長く泳ぐ。これらの結果は、VLMに導かれた較正が、水中ロボットの sim-to-real ギャップを映像から直接に埋められること、また、手動のシステム同定なしに物理的なスイマーへゼロショットでRLを転送できることを示している。これは、水中ロボティクスにおける自動化された汎用的なシミュレータ調整へ向けた一歩である。