シミュレーションで学習したロボットを、実機・実環境で動かすための技術「Sim2Real」。GPUで大量のデータを速く安全に作れる一方、シミュレーションと現実の差（Sim2Realギャップ）によって、実機では期待どおりに動かないことがあります。
本資料では、フィジカルAIの学習データの集め方から、Sim2Realの基本、ギャップを埋める手法、現実をシミュレーションに取り込む「Real2Sim」、実機での検証と調整のサイクルまでを、NVIDIA・Google DeepMind・Waymoなどの公表データや最新の研究事例とともに解説しています。シミュレーション開発の計画を立てる前に確認したい、実機側の準備のチェックリストも収録しました。
資料の主な内容
- Sim2Realの基本と、ギャップが生まれる理由
- シミュレーションで得られることと、ギャップが出やすい作業
- ギャップを埋める4つの手法とReal2Sim
- 実機での検証と調整のサイクル
- 導入前に確認したい実機側の準備と、国の動き
こんな人におすすめ
- シミュレーションを使ったロボット開発を検討している方
- フィジカルAI開発の企画・推進を担当している方
- シミュレーションと実機の性能差に悩んでいる方
- Isaac Simなどの導入前に全体像を押さえたい方
- 実機データの集め方・検証体制を整理したい方
- 国のAIロボティクス政策の動向を知りたい方 など
本ページのフォームからお申し込みください。
ご入力いただいたメールアドレス宛に閲覧URLをお送りさせていただきます。
※同業他社の方のお申し込みはご遠慮いただいております。
