Sling2Sim2Real: 非破壊スリングショットポリシー学習のためのワンショット弾性システム同定
Sling2Sim2Realは、1回の非破壊的な相互作用から弾性物体のパラメータを同定し、シミュレーションでのポリシー学習と実ロボットへのゼロショット転送を可能にする新しいフレームワークです。視覚情報だけでは弾性特性を区別できないという課題に対し、パラメータの共分散を利用したマルチスタートReal2Simシステム同定と、キャリブレーションされたシミュレータでのポリシー学習を行います。Franka Emika Pandaアームと多様な弾性バンドを用いた実験により、正確なポリシー学習とロバストな一般化を達成し、実世界での試行回数を大幅に削減できることが示されました。
弾性物体操作（EOM）は、高次元で非線形な弾性変形を伴い、その変形特性の多様性から状態空間が非常に大きく、正確な操作ポリシーを学習するには広範な探索が必要です。実ロボットでの試行錯誤（例えば、何度も弾丸を発射する）はコストが高く、破壊的な可能性もあるため、シミュレーションは大規模で安全な探索を可能にします。しかし、実世界とシミュレーションの間で弾性挙動を正確にキャリブレーションすることは、弾性特性が視覚観測だけではほとんど区別できないため、依然として困難です。
これらの課題に対処するため、Sling2Sim2Realフレームワークが提案されました。このフレームワークは、1回の非破壊的な相互作用（例えば、ゴムバンドを引っ張る）から弾性パラメータを同定し、シミュレーションでのポリシー学習を可能にします。フレームワークは2つの段階からなります：まず、パラメータの共分散を利用したマルチスタートReal2Simシステム同定手法により、弾性特性を推定します。この手法は、1回の引っ張りだけでパラメータを同定できるため、繰り返し試行による損耗を回避します。共分散の活用により、初期推定が不正確でも収束性が向上します。次に、キャリブレーションされたシミュレータ内で強化学習によるポリシー学習を行い、その後ゼロショットで実ロボットに転送します。
実験では、Franka Emika Pandaアームと異なる硬さや長さの弾性バンドを使用し、近距離から遠距離までの目標距離でスリングショット操作タスクを評価しました。結果は、Sling2Sim2Realが正確なポリシー学習とロバストな一般化を達成し、必要な実世界での試行回数を大幅に削減することを示しています。本研究成果はIROS 2026に採択され、弾性物体操作の効率的かつ非破壊的なソリューションを提供します。