ASAP

デルタアクションモデルを使用した敏捷なヒューマノイド全身スキルのsim-to-realフレームワーク

ライセンス

MIT

概要

ASAP（Aligning Simulation and Real-World Physics）は、シミュレーションから実際のヒューマノイドロボットへ敏捷な全身スキルを転移するための2段階フレームワークです。トレーニング済みポリシーが実機ハードウェアで失敗する原因となる、シミュレーション物理とリアルワールド物理の間の根本的な動力学ミスマッチ問題に対処します。

フレームワークはシミュレーションとリアルワールドの残差物理差を明示的にキャプチャするデルタアクションモデルという新しい概念を導入します。パイプラインは4つのステージで構成されています：フェーズベースのモーショントラッキング事前学習・デルタアクションモデルのトレーニング・デルタアクションモデルを使用したポリシーファインチューニング・リアルワールド展開。

ASAPはIsaacGym・IsaacSim・Genesisシミュレーターにわたるトレーニングを可能にするマルチシミュレーターフレームワークであるHumanoidVerseの上に構築されています。人間のモーションキャプチャーデータからヒューマノイドロボットへのリターゲティングにSMPL体モデルを使用し、Unitree G1がキック・ジャンプ・ダンスの動き・アスレティックモーションを含む非常にダイナミックなスキルを実行できるようにします。

Carnegie Mellon UniversityとNVIDIAのコラボレーションで開発。RSS 2025に採択。

ASAP（Aligning Simulation and Real-World Physics）は、Carnegie Mellon大学がNVIDIAと共同で開発したsim-to-real転移フレームワークであり、RSS 2025に採択されています。Unitree G1ヒューマノイドロボットがキック、ジャンプ、ダンス、アスレチックリカバリーなどの高度にダイナミックな全身スキルを実行できるようにし、シミュレーションから実機ハードウェアへ驚くべき忠実度で直接転移させることを可能にします。

中核となるイノベーションはデルタアクションモデルであり、シミュレーションと実世界の間の物理ギャップを明示的に捉える学習済み残差です。シミュレータを現実に完璧に一致させようとするのではなく、ASAPは何が異なるかを学習し、それを補償します。訓練パイプラインは4つのステージを経て進行します：フェーズベースのモーショントラッキング事前学習、デルタアクションモデルの訓練、デルタモデルを用いたポリシーのファインチューニング、そしてONNXエクスポートによる実世界への展開です。

ASAPはHumanoidVerse上に構築されており、IsaacGym、IsaacSim、Genesisをサポートするマルチシミュレータ訓練フレームワークです。SMPLボディモデルのリターゲティングを使用して、AMASSデータセットからの人間のモーションキャプチャデータをロボットの形態に転移させ、幅広いアジャイルモーションのレパートリーを実現します。訓練パイプライン全体はNVIDIA GPU上で実行され、実験追跡にはWeights & Biasesが統合されています。

このプロジェクトは、シミュレーションから転移されたアジャイルなヒューマノイド歩行の最も印象的なデモンストレーションの一つであり、G1ロボットが以前は信頼性の高いsim-to-real転移には動的すぎると考えられていた動作を実行しています。

重要な理由

ASAPはヒューマノイドロボットのsim-to-real転移における大きな前進を代表しています。シミュレーションと現実の物理ギャップをキャプチャする明示的なデルタアクションモデルを学習することで、以前はシミュレーションから確実に転移することが不可能だった非常にダイナミックで敏捷なモーションをヒューマノイドロボットが実行できるようにします。

解決する課題

物理シミュレーションとリアルワールドのロボットハードウェアの間の動力学ギャップを橋渡しすること。これは敏捷に学習されたポリシーが実際のヒューマノイドロボットで動作することを妨げる主要なボトルネックです。

主なポイント

• デルタアクションモデルがsim-to-realの物理的な差を明示的に捉える
• キック、ジャンプ、ダンスなど非常に俊敏なヒューマノイドの動作を実機で実現
• IsaacGym、IsaacSim、Genesisの各シミュレータに対応するHumanoidVerse上に構築
• SMPLベースのモーションリターゲティングで、人間のモーションキャプチャを任意のヒューマノイドロボットに転用

対象

• ヒューマノイドロボティクス研究者
• sim-to-real転移研究者
• 強化学習の実践者
• モーション制御エンジニア

制限事項

• 主にUnitree G1でデモンストレーション
• IsaacGymサポートを持つNVIDIA GPUが必要
• トレーニングにAMASSモーションキャプチャーデータセットへの依存
• リアルワールド展開にはROS 2とUnitree SDK統合が必要