論文の概要: FLASH: Fast Learning via GPU-Accelerated Simulation for High-Fidelity Deformable Manipulation in Minutes
- arxiv url: http://arxiv.org/abs/2604.17513v1
- Date: Sun, 19 Apr 2026 16:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.566244
- Title: FLASH: Fast Learning via GPU-Accelerated Simulation for High-Fidelity Deformable Manipulation in Minutes
- Title（参考訳）: FLASH: 高速学習のためのGPU加速シミュレーション
- Authors: Siyuan Luo, Bingyang Zhou, Chong Zhang, Xin Liu, Zhenhao Huang, Gang Yang, Zhengtao Han, Xiaotian Hu, Eric Yang, Rymon Yu, Ziqiu Zeng, Fan Shi,
- Abstract要約: FLASHは、コンタクトリッチな変形操作のためのGPUネイティブなシミュレーションフレームワークである。
厳密な接触と変形の制約を強制する正確なNCPベースの解決器上に構築されている。
- 参考スコア（独自算出の注目度）: 15.151803709340404
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Simulation frameworks such as Isaac Sim have enabled scalable robot learning for locomotion and rigid-body manipulation; however, contact-rich simulation remains a major bottleneck for deformable object manipulation. The continuously changing geometry of soft materials, together with large numbers of vertices and contact constraints, makes it difficult to achieve high accuracy, speed, and stability required for large-scale interactive learning. We present FLASH, a GPU-native simulation framework for contact-rich deformable manipulation, built on an accurate NCP-based solver that enforces strict contact and deformation constraints while being explicitly designed for fine-grained GPU parallelism. Rather than porting conventional single-instruction-multiple-data (SIMD) solvers to GPUs, FLASH redesigns the physics engine from the ground up to leverage modern GPU architectures, including optimized collision handling and memory layouts. As a result, FLASH scales to over 3 million degrees of freedom at 30 FPS on a single RTX 5090, while accurately simulating physical interactions. Policies trained solely on FLASH-generated synthetic data in minutes achieve robust zero-shot sim-to-real transfer, which we validate on physical robots performing challenging deformable manipulation tasks such as towel folding and garment folding, without any real-world demonstration, providing a practical alternative to labor-intensive real-world data collection.
- Abstract（参考訳）: アイザック・シム(Isaac Sim)のようなシミュレーションフレームワークは、移動と剛体操作のためにスケーラブルなロボット学習を可能にした。
ソフトマテリアルの連続的な変化は、多数の頂点や接触制約とともに、大規模対話型学習に必要な高精度、速度、安定性を達成するのを困難にしている。
我々は、接触リッチな変形操作のためのGPUネイティブなシミュレーションフレームワークであるFLASHについて、きめ細かいGPU並列性のために明示的に設計されながら、厳密な接触と変形の制約を強制する正確なNCPベースの解決器上に構築する。
従来のシングルインストラクション・マルチデータ(SIMD)ソルバをGPUに移植する代わりに、FLASHは物理エンジンをゼロから再設計し、最適化された衝突処理やメモリレイアウトを含む最新のGPUアーキテクチャを活用する。
その結果、FLASHは1つのRTX 5090上で30 FPSで300万自由度までスケールし、物理的相互作用を正確にシミュレートする。
FLASH生成した合成データのみを数分でトレーニングしたポリシーは、堅牢なゼロショット・シム・トゥ・リアル・トランスファーを実現し、実際の実演を行わずにタオルの折り畳みや折り畳みといった、変形可能な操作課題に挑戦する物理ロボットを検証し、労働集約的な実世界のデータ収集に代わる実用的な代替手段を提供する。
関連論文リスト
- SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds [36.87909899472009]
本稿では,物理世界におけるシミュレーションを基盤とした物理対応の実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-
このシステムは、シーンをメートル法に一貫性のある双子にデジタル化し、弾性モデリングによって変形可能なダイナミクスをキャラブレートし、拡散に基づく軌道生成によって振る舞いを拡大する。
実験により、純粋に合成データに基づいてトレーニングされたポリシーは、実データベースラインと1:15の等価比で同等であり、実世界の展開において90%のゼロショット成功と50%の一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2026-04-09T17:59:52Z) - ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control [7.095015036485825]
相補性のない接触モデリングに基づくGPU並列解析用接触物理エンジンを提案する。
ComFree-Simは、クーロン摩擦の二重錐におけるインピーダンススタイルの予測-補正更新を通じて、接触インパルスを閉じた形で計算する。
論文 参考訳（メタデータ） (2026-03-12T17:14:45Z) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - ExoGS: A 4D Real-to-Sim-to-Real Framework for Scalable Manipulation Data Collection [27.18540416686717]
ExoGSはロボットフリーの4D Real-to-Sim-to-Realフレームワークである。
実世界の静的環境と動的相互作用の両方をキャプチャし、それらをシミュレートされた環境にシームレスに転送する。
スケーラブルなデータ収集とポリシー学習のための新しいソリューションを提供する。
論文 参考訳（メタデータ） (2026-01-26T16:04:12Z) - SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。
ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
論文 参考訳（メタデータ） (2025-12-17T21:58:46Z) - Isaac Lab: A GPU-Accelerated Simulation Framework for Multi-Modal Robot Learning [72.43357471969564]
Isaac Labは、高忠実度GPU並列物理、レンダリング、および環境の設計とロボットポリシーのトレーニングのためのモジュラーで構成可能なアーキテクチャを組み合わせる。
我々は、全身制御、クロス・エボディメント・モビリティ、接触豊かで器用な操作、スキル獲得のための人間のデモの統合など、さまざまな課題へのその応用を強調した。
アイザック・ラボの高度なシミュレーション能力、リッチセンシング、データセンターのスケール実行の組み合わせは、ロボット研究における次世代のブレークスルーを解き放つのに役立つと信じています。
論文 参考訳（メタデータ） (2025-11-06T21:43:02Z) - Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。
本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。
受け入れ次第、モデルとデータの両方をリリースすることを約束します。
論文 参考訳（メタデータ） (2025-05-25T01:27:18Z) - GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。
さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。