タグ: フィジカルAI

倒立振子をLQRと強化学習で比べる：学習コストとLQRの遅延の限界 2026/9/2
倒立振子をLQRと強化学習で比べると、LQRは学習なしで1000ステップ立ち続けた。REINFORCEは約4万3千ステップ学習しても535。80msの遅延を足すとLQRも倒れる。MuJoCoでの本稿の小さな実験で、ブラウザでも試せる。
フィジカルAIの課題とは？ロボットの学習データが足りない理由 2026/7/4
フィジカルAIの課題は、モデルの規模だけでなく学習データの供給の細さにある。Webテキストは既存クロールを濾して15兆トークン、ロボットの操作データはDROIDで50人がかり・成功試行350時間。人間の動作やシミュレーションなど三つの候補も効果はまだ限定的だ。
強化学習のsim2realギャップを実測：遅延とドメインランダム化 2026/6/30
強化学習のsim2realギャップは、作動を1ステップ（50ミリ秒）遅らせるだけで現れた。MuJoCoの歩行方策で報酬は1150から26へ。ドメインランダム化は遅延に耐えたが、無摂動時は353に下がった。実機なし・学習シード1本の測定である。