論文の概要: AquaWorld: Structure-Consistent Underwater World Generation for Robot Simulation
- arxiv url: http://arxiv.org/abs/2609.22670v1
- Date: Sat, 19 Sep 2026 00:58:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:33:37.872592
- Title: AquaWorld: Structure-Consistent Underwater World Generation for Robot Simulation
- Title（参考訳）: AquaWorld:ロボットシミュレーションのための構造に一貫性のある地下世界生成
- Abstract要約: AquaWorldは、共有地形構造を通して関係を保存する次世代フレームワークである。
言語条件付きプランは、資産配置、タスク定義、インフロー仕様をガイドする3D地形と共有構造参照を生成する。
このフレームワークには1万以上の水中互換資産が含まれており、再利用可能な地形条件の平均流場を予測し、従来の水中車両や生物に触発されたロボット魚をサポートする。
- 参考スコア（独自算出の注目度）: 12.544762137643204
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underwater robot simulation requires diverse environments in which terrain, scene composition, tasks, and currents remain mutually consistent. We present AquaWorld, a world-generation framework that preserves these relationships through shared terrain structure. A language-conditioned plan generates 3D terrain and shared structural references that guide asset placement, task definition, and inflow specification under stochastic variation. The framework incorporates over 10,000 underwater-compatible assets, predicts reusable terrain-conditioned mean-flow fields through a CFD-supervised residual model, and supports conventional underwater vehicles and bio-inspired robotic fish. On 24 paired terrains, structure-consistent randomization produces substantially better cross-factor consistency than independent randomization. In a matched-budget policy-training comparison, structurally coherent randomization achieves a validation success rate 21% higher than independent randomization. In separate physical experiments, a simulation-trained visual navigation policy succeeds in 95% of physical tank trials without updating its perception or control modules. Overall, AquaWorld provides a practical way to generate varied underwater environments while retaining the structural relationships needed for flow simulation and robot learning.
- Abstract（参考訳）: 水中ロボットシミュレーションは、地形、シーン構成、タスク、電流が相互に一貫したままである多様な環境を必要とする。
我々はこれらの関係を共有地形構造を通して保存する次世代フレームワークであるAquaWorldを紹介する。
言語条件付きプランは、確率的変動の下で、資産配置、タスク定義、インフロー仕様をガイドする3次元地形と共有構造参照を生成する。
このフレームワークには1万以上の水中互換資産が含まれており、CFDが監督する残留モデルを通じて再利用可能な地形条件付き平均流れ場を予測し、従来の水中車両や生物に触発されたロボット魚をサポートする。
24対の地形では、構造に一貫性のあるランダム化は独立なランダム化よりもはるかに優れたクロスファクタ一貫性をもたらす。
一致した予算政策訓練比較において、構造的コヒーレントなランダム化は独立なランダム化よりも21%高い検証成功率を達成する。
別個の物理実験において、シミュレーション訓練された視覚ナビゲーションポリシーは、知覚や制御モジュールを更新することなく、95%の物理タンク試験に成功している。
全体として、AquaWorldは、フローシミュレーションやロボット学習に必要な構造的関係を維持しながら、様々な水中環境を生成する実用的な方法を提供する。
関連論文リスト
- Uranus: Building the Next-Generation Simulation Infrastructure for Embodied AI [10.12571765040927]
本稿では,関節軌道条件付き自己回帰拡散モデルを中心に構築されたデータ駆動型ロボットシミュレータである天王星について述べる。
天王星には3つの重要な機能がある:(1) ストリーミング、オープンエンドロールアウト、オンラインのジョイントポジショントラジェクトリを受信し、自動回帰的に4つのRGBフレームに対応するステップごとに1つの潜在フレームを生成し、(2) 推論最適化後の24FPSを達成する低レイテンシ生成、(3) スケーラブルでロボット制御、そして多様なロボットエンボディメントとカメラ構成をまたいで同期化されたマルチビュー生成のための統一インターフェースを提供する。
論文 参考訳（メタデータ） (2026-09-21T16:06:16Z) - ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。
提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。
我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
論文 参考訳（メタデータ） (2026-04-13T12:25:45Z) - Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots [11.247998904088007]
水中マルチボディシステムの統一構造-流体力学モデリングのための軌道駆動型グローバル最適化フレームワークを提案する。
Covariance Matrix Adaptation Evolution Strategy (CMA-ES) に触発された提案手法は, 結合した内部弾性, 減衰, 分散流体力学パラメータを同時に同定する。
これにより、水中環境における不動機構と適合するソフトロボットシステムの双方を高忠実に再現することができる。
論文 参考訳（メタデータ） (2026-03-09T04:06:43Z) - MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation [56.30931340537373]
MolmoSpacesは、ロボットポリシーのベンチマークをサポートするための、完全にオープンなエコシステムである。
MolmoSpacesは230万以上の屋内環境で構成されている。
MolmoSpaces-Benchは8つのタスクのベンチマークスイートで、ロボットが私たちの多様なシーンとリッチな注釈付きオブジェクトと対話する。
論文 参考訳（メタデータ） (2026-02-11T20:16:31Z) - PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies [88.78188489161028]
シミュレーションにおける政策評価と環境復元(PolaRiS)の導入
PolaRiSは、高忠実度シミュレーションロボット評価のためのスケーラブルなリアルタイム・シミュレート・フレームワークである。
PolaRiSの評価は,既存のシミュレーションベンチマークよりも,現実のジェネラリストのポリシー性能に強い相関関係があることが示されている。
論文 参考訳（メタデータ） (2025-12-18T18:49:41Z) - HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。
我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
論文 参考訳（メタデータ） (2025-11-27T07:53:16Z) - URDF-Anything: Constructing Articulated Objects with 3D Multimodal Language Model [76.08429266631823]
3次元マルチモーダル大言語モデル(MLLM)に基づくエンドツーエンドの自動再構築フレームワークを提案する。
URDF-Anythingは、ポイントクラウドとテキストマルチモーダル入力に基づく自己回帰予測フレームワークを使用して、幾何学的セグメンテーションと運動論的パラメータ予測を協調的に最適化する。
シミュレーションと実世界の両方のデータセットの実験は、我々の手法が既存の手法よりも大幅に優れていることを示した。
論文 参考訳（メタデータ） (2025-11-02T13:45:51Z) - Sim2Dust: Mastering Dynamic Waypoint Tracking on Granular Media [16.948852537273655]
本研究は,挑戦面上での動的ウェイポイントトラッキングのためのロバストな制御ポリシを開発するための,完全なsim-to-realフレームワークを提案する。
我々は超並列シミュレーションを利用して、プロシージャ生成環境の広範囲にわたる強化学習エージェントを訓練する。
本実験は,複数の強化学習アルゴリズムと動作平滑化フィルタを体系的に比較し,実世界の展開において最も効果的な組み合わせを同定する。
論文 参考訳（メタデータ） (2025-08-15T14:30:07Z) - Scalable Modular Synthetic Data Generation for Advancing Aerial Autonomy [2.9005223064604078]
本稿では,自律飛行に適したスケーラブルなAerial Synthetic Data Augmentation (ASDA) フレームワークを提案する。
ASDAは、シーンとデータ拡張を自動的に実行する2つのスクリプト可能なパイプラインを備えた中央データ収集エンジンを拡張している。
多様なデータセットを自動生成する手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-11-10T04:37:41Z)
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。