論文の概要: FinsSim: A Reality-Aligned Integrated Simulation Platform for Underwater Robot Learning

• arxiv url: http://arxiv.org/abs/2609.23943v1
• Date: Sun, 20 Sep 2026 23:38:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:13:44.538486
• Title: FinsSim: A Reality-Aligned Integrated Simulation Platform for Underwater Robot Learning
• Title（参考訳）: FinsSim:水中ロボット学習のための現実的な統合シミュレーションプラットフォーム
• Abstract要約: FinsSimは、Sim-to-Real水中ロボット学習のための、現実的な統合シミュレーションプラットフォームである。 信頼性の高いSim-to-Real転送のために、FinsSimは低コストで正確なローカライゼーションを提供するためにマルチセンサー融合方式を採用している。
• 参考スコア（独自算出の注目度）: 3.734459541679051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater robot learning relies on simulators that integrate high-fidelity hydrodynamics, convenient learning interfaces, and a credible transition to real scenarios. In this work, we present FinsSim, a reality-aligned integrated simulation platform for Sim-to-Real underwater robot learning. FinsSim first constructs high-fidelity simulation with selectable backends to adapt to diverse requirements. To facilitate underwater robot research, it further offers standard control baselines, alongside with unified robot learning workflows. For reliable Sim-to-Real transfer, FinsSim adopts a multi-sensor fusion scheme to provide low-cost yet precise localization. Moreover, it implements calibrated thruster-hydrodynamics models and a constrained wrench allocation algorithm. Bridging these modules by ROS~2, FinsSim establishes a complete Sim-to-Real transfer pipeline. Through matched simulations and experiments, it is demonstrated that reliable Sim-to-Real transfer of underwater robot control policies can be achieved with the FinsSim framework. Separate ablation studies also validate that the modules of FinsSim can address the pivotal issues of underwater Sim-to-Real from different aspects. Overall, this work aims to bridge the gap between theoretical research and practical applications, ultimately driving advancements in the field of underwater robotics.
• Abstract（参考訳）: 水中ロボット学習は、高忠実な流体力学、便利な学習インタフェース、そして現実のシナリオへの信頼できる遷移を統合するシミュレータに依存している。 本研究では,Sim-to-Real水中ロボット学習のためのシミュレーションプラットフォームであるFinsSimを紹介する。 FinsSimはまず、さまざまな要件に対応するために、選択可能なバックエンドで高忠実度シミュレーションを構築する。 水中ロボットの研究を容易にするため、統合されたロボット学習ワークフローとともに、標準的な制御ベースラインも提供する。 信頼性の高いSim-to-Real転送のために、FinsSimは低コストで正確なローカライゼーションを提供するためにマルチセンサー融合方式を採用している。 さらに, キャリブレーションされたスラスタ-流体力学モデルと制約付きレンチ割当アルゴリズムを実装した。 これらのモジュールをROS~2でブリッジすると、FinsSimは完全なSim-to-Real転送パイプラインを確立する。 一致したシミュレーションと実験により、FinsSimフレームワークを用いて、水中ロボット制御ポリシーの信頼性の高いSim-to-Real転送が達成できることが実証された。 別々のアブレーション研究は、FinsSimのモジュールが水中でのSim-to-Realの重要な問題に異なる側面から対処できることを証明している。 この研究は、理論的研究と実践的応用のギャップを埋めることを目的としており、最終的には水中ロボティクスの分野の進歩を促進する。

関連論文リスト

• LOTUSim: Multi-Domain Simulator for Marine Robotics [0.49838563301861205]
  LOTUSimは、空中、地表、水中のロボットシステム間のマルチユーザーインタラクションをサポートするリアルタイム海洋シミュレータである。 バリデーションは、厳格なリアルタイム実行と高い視覚的忠実さを維持しながら、大規模な異種海洋ドローン群にスケールしながら、堅牢なループ内パフォーマンスを示す。 結果は,オペレーティング・ザ・ループ海洋ロボット研究におけるシミュレーションプラットフォームとしてのLOTUSimの適合性を確認した。
  論文  参考訳（メタデータ） (2026-07-03T08:09:01Z)
• IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking [59.6657632820611]
  IR-SIMは、迅速なシナリオ構築、ベンチマーク、ロボット学習のために設計された、スキルネイティブなナビゲーションシミュレータである。 シナリオは、モバイルロボットキネマティクス、幾何学的衝突チェック、LiDARセンシング、可視化、行動モジュールを指定するYAML設定ファイルで完全に定義されている。 実験では、複数のタスクにおいてIR-SIMの利便性と汎用性を示す。
  論文  参考訳（メタデータ） (2026-06-07T16:55:37Z)
• 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)
• Simulation Distillation: Pretraining World Models in Simulation for Rapid Real-World Adaptation [46.80452332618188]
  シミュレーション蒸留(SimDist)は、シミュレータから潜在世界モデルに構造的事前を蒸留するフレームワークである。 報酬モデルと価値モデルをシミュレーションから直接転送することで、SimDistは生の知覚から密集した計画信号を提供する。 SimDistは、データ効率、安定性、最終的なパフォーマンスにおいて、従来の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-03-16T18:00:23Z)
• Sim2Sea: Sim-to-Real Policy Transfer for Maritime Vessel Navigation in Congested Waters [12.551759198727487]
  Sim2Seaはシミュレーションと実世界の実行をブリッジするために設計された包括的なフレームワークである。 我々は,スケーラブルで正確な海洋シナリオシミュレーションのためのGPU加速並列シミュレータを開発した。 その結果,提案手法は既存のベースラインよりも高速に収束し,トラジェクトリがより安全であることが示された。
  論文  参考訳（メタデータ） (2026-03-04T13:36:33Z)
• The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio [138.07247714782412]
  MultiGenは、大規模な生成モデルを従来の物理シミュレータに統合するフレームワークである。 容器や液体を注ぐ現実世界への効果的なゼロショット転送を実証する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:58Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)
• Residual Physics Learning and System Identification for Sim-to-real Transfer of Policies on Buoyancy Assisted Legged Robots [14.760426243769308]
  本研究では,BALLUロボットのシステム識別による制御ポリシのロバストなシミュレートを実演する。 標準的な教師あり学習の定式化に頼るのではなく、深層強化学習を利用して外部力政策を訓練する。 シミュレーショントラジェクトリと実世界のトラジェクトリを比較することで,改良されたシミュレーション忠実度を解析する。
  論文  参考訳（メタデータ） (2023-03-16T18:49:05Z)
• Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
  強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。 本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:46:59Z)

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。