デジタルカズン

Digital Cousin は、ロボット トレーニングのためのより効率的かつ経済的なソリューションを提供するために、スタンフォード大学のフェイフェイ リー教授率いるチームによって 2024 年に提案されたコンセプトです。このコンセプトはロボットの学習方法を変えるものであり、広く注目を集めています。関連する論文結果は「ACDC: 堅牢なポリシー学習のためのデジタル カズンの自動作成”。

デジタルいとこは、実際のオブジェクトと 1 対 1 の対応を追求するのではなく、類似の幾何学的および意味論的な性質に焦点を当てて、より低コストで実用的なトレーニング データを生成します。これは、デジタル ツインとは異なり、現実世界の対応物を明示的にモデル化しませんが、同様の幾何学的およびセマンティックな機能を示す仮想アセットまたはシーンです。このアプローチでは、学習の汎用性を向上させながら、リアルからシミュレーションへの生成コストを同時に削減できます。

デジタルいとこは、コストを削減し、クロスドメインの汎化機能を向上させながら、ロボット戦略をトレーニングするための現実世界と同様の仮想環境を提供することで、ロボットのトレーニングに使用できます。このアプローチは、単一の RGB 画像から完全にインタラクティブなシミュレートされたシーンを生成することによって機能します。これは、情報抽出、デジタルいとこマッチング、シーン生成という 3 つの連続したステップで構成されます。

実験結果によると、デジタルいとこによって訓練されたロボット戦略は、ゼロサンプルの仮想から現実への転送で90%の成功率を達成し、デジタルツインによって訓練された25%をはるかに上回りました。これは、Digital Cousin がディストリビューション内外の両方でパフォーマンスが優れていることを示しており、一般化してその利点が証明されています。