タグ: sim2real

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。
sim2realギャップの原因と対策：遅延・摩擦の計測とランダム化 2026/6/27
sim2realギャップの多くは、測っていない遅延・摩擦・アクチュエータ特性から生じる。ANYmalでは、実機データで学習したアクチュエータのモデルがトルク予測の誤差を5〜6分の1にした。測れる力学を先に測り、残りをランダム化で覆う。