論文の概要: TUCO: Curating Simulation Demonstrations for Sim-to-Real Robot Policy Co-Training

• arxiv url: http://arxiv.org/abs/2610.05407v1
• Date: Sun, 04 Oct 2026 17:45:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 14:02:00.99034
• Title: TUCO: Curating Simulation Demonstrations for Sim-to-Real Robot Policy Co-Training
• Title（参考訳）: TUCO:Sim-to-Real Robot Policy Co-Trainingのためのシミュレーション実証のキュレーション
• Abstract要約: シミュレーションのデモは、ロボットポリシーの共同トレーニングのための、少ない実世界のデータを補うことができる。 既存のキュレーション手法には、軌道レベルのユーティリティとセットレベルのカバレッジを測定するための統一的な基準が欠けている。 本稿では,シミュレート・トゥ・リアルなロボットポリシー協調学習のためのデータキュレーションに関する最初の体系的研究について述べる。
• 参考スコア（独自算出の注目度）: 15.632820588370572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulation demonstrations can supplement scarce real-world data for robot policy co-training. However, the value of using data curation to actively select these demonstrations for sim-to-real co-training remains underexplored. Existing curation methods also lack a unified criterion for measuring trajectory-level utility and set-level coverage from closed-loop target behavior. To address these gaps, we present the first systematic study of data curation for sim-to-real robot policy co-training and propose Trajectory-level Utility and set-level Coverage Optimization (TUCO). TUCO uses influence functions to trace how each source demonstration affects target-domain scoring rollouts. Our key insight is that these effects can be decomposed into an overall contribution to target return and variation across rollouts, providing a common closed-loop basis for measuring trajectory utility and set coverage. We further propose a performance-aligned subset optimizer that combines these measures in a unified curation objective to reduce redundancy and select complementary demonstrations. Extensive experiments on RoboMimic and OmniReset establish the value of active simulation data curation for sim-to-real policy co-training and show that TUCO achieves state-of-the-art performance across single-simulator, sim-to-sim, and sim-to-real settings.
• Abstract（参考訳）: シミュレーションのデモは、ロボットポリシーの共同トレーニングのための、少ない実世界のデータを補うことができる。 しかし、sim-to-realコトレーニングのためにこれらのデモを積極的に選択するためにデータキュレーションを使うことの価値は、まだ未定である。 既存のキュレーション手法には、閉ループ対象の挙動から軌道レベルのユーティリティとセットレベルのカバレッジを測定するための統一的な基準が欠けている。 これらのギャップに対処するため、シミュレーティブ・トゥ・リアルなロボットポリシーのコトレーニングのためのデータキュレーションに関する最初の体系的研究を行い、トラジェクトリレベルのユーティリティとセットレベルのカバレッジ最適化(TUCO)を提案する。 TUCOは影響関数を使用して、各ソースのデモがターゲットドメインのスコアリングロールアウトにどのように影響するかを追跡する。 我々の重要な洞察は、これらの効果は、ロールアウト全体のリターンと変動に対する全体的な貢献に分解され、軌道の有効性や設定カバレッジを測定するための共通のクローズドループベースを提供することである。 さらに,これらの対策を統一的なキュレーション目標に組み合わせ,冗長性を低減し,補完的なデモを選択する性能整合型サブセットオプティマイザを提案する。 RoboMimicとOmniResetの大規模な実験は、sim-to-realポリシーの協調トレーニングのためのアクティブなシミュレーションデータキュレーションの価値を確立し、TUCOがシングルシミュレータ、sim-to-sim、sim-to-real設定で最先端のパフォーマンスを達成することを示す。

関連論文リスト

• WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
  行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。 物理シミュレータが期待する観測能力を用いてACWMを評価する。 WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
  論文  参考訳（メタデータ） (2026-08-10T08:48:06Z)
• A Practical Recipe Towards Improving Sim-and-Real Correlation for VLA Evaluation [13.439555106885491]
  シミュレーション評価は,政策ランキングの整合性,性能相関,摂動障害パターンの観点から,現実の結論を保っているかを検討する。 この分析により,既存のシミュレータの限界を特徴付けることができ,シミュレーション信号が現実世界の配置とより整合しているかを特定することができる。
  論文  参考訳（メタデータ） (2026-06-09T03:25:02Z)
• Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
  既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。 シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。 VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
  論文  参考訳（メタデータ） (2026-05-07T14:13:05Z)
• 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)
• An Real-Sim-Real (RSR) Loop Framework for Generalizable Robotic Policy Transfer with Differentiable Simulation [13.15220962477623]
  本稿では,シミュレーションと実環境のギャップを解消する新しいリアルタイムループフレームワークを提案する。 我々の研究の重要な貢献は、多様で代表的な実世界のデータの収集を促進する情報的コスト関数の設計である。 我々のアプローチは多機能なMJXプラットフォーム上で実装されており、我々のフレームワークは幅広いロボットシステムと互換性がある。
  論文  参考訳（メタデータ） (2025-03-13T07:27:05Z)
• LoopSR: Looping Sim-and-Real for Lifelong Policy Adaptation of Legged Robots [20.715834172041763]
  デプロイ後の段階において、RLポリシーを継続的に洗練する、生涯にわたるポリシー適応フレームワークであるLoopSRを提案する。 LoopSRはトランスフォーマーベースのエンコーダを使用して、現実世界の軌道を潜在空間にマッピングする。 オートエンコーダアーキテクチャとコントラスト学習手法を採用し、実世界のダイナミクスの特徴抽出を強化する。
  論文  参考訳（メタデータ） (2024-09-26T16:02:25Z)
• Evaluating Real-World Robot Manipulation Policies in Simulation [91.55267186958892]
  実環境と模擬環境の制御と視覚的格差は、信頼性のある模擬評価の鍵となる課題である。 実環境に完全忠実なデジタル双生児を作らなくても、これらのギャップを軽減できる手法を提案する。 シミュレーション環境の集合体であるSIMPLERを作成した。
  論文  参考訳（メタデータ） (2024-05-09T17:30:16Z)
• One-Shot Domain Adaptive and Generalizable Semantic Segmentation with Class-Aware Cross-Domain Transformers [96.51828911883456]
  セマンティックセグメンテーションのための教師なしのsim-to-realドメイン適応(UDA)は、シミュレーションデータに基づいて訓練されたモデルの実世界のテスト性能を改善することを目的としている。 従来のUDAは、適応のためのトレーニング中に利用可能なラベルのない実世界のサンプルが豊富にあると仮定することが多い。 実世界のデータサンプルが1つしか利用できない,一発の教師なしシム・トゥ・リアル・ドメイン適応(OSUDA)と一般化問題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T15:54:15Z)
• 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。