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
台車の上の棒を、まず自分で（難しい）、次にLQRの自動操縦で（簡単）、最後に強化学習で。後ろの二つを同じ指標で測ると、賢く見える方法も無料ではないと分かる。さらに制御に60ms遅延を足すと自動操縦の「完璧」は崩れ、80msで倒れる。sim2realギャップを指で触る。
- 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
ソフトのAIは、Webに蓄積済みのデータという「蛇口」に乗った。既存クロールを濾すだけで15兆トークンが得られた。物理の世界にその蛇口はなく、50人がかりで350時間という細さだ。データ側のボトルネックを収集記録の数字で確かめ、候補の蛇口三つと、開いたと言える観測条件までを一次資料で見る。
- 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
歩行AIを実際に学習させ、訓練したシミュとほんの少し違う物理に置くと何が起きるかを実測した。1ステップの作動遅延で、訓練に使ったシミュではよく走っていた方策が崩壊する。「直す」側のドメインランダム化も同じ報酬で測ると、遅延には耐えたが、無摂動時の報酬は低かった。
