ToyBlocksの概要：ロボット学習と評価のための制御されたシミュレーション環境

ToyBlocksの目的と概要

ロボット学習の研究において、複雑なシステムを正確に調査・分析するための制御されたシミュレーション環境として「FoundationWorlds」というフレームワークが提案されました。その第1弾として公開されたのが「ToyBlocks」です。

ToyBlocksは、卓上のロボットアームとブロックを中心に設計されたシンプルな設定のシミュレーション環境です。ロボットはブロックの押し出し、裏返し、積み上げといった操作を通じて、ブロックの相互作用や配置を推論・実行することが求められます。

4つの設計要件

ToyBlocksは以下の4つの要件を満たすように設計されています。

1. 現実的な物理挙動と外観
2. スケールに応じたタスクおよびデモンストレーションの自動生成
3. 推論能力と器用さを組み合わせた課題の設定
4. ドメイン内で可能なタスクの広範なカバー

オープンエンドな環境ではあらゆる物体や相互作用をモデリングすることが難しいため、ToyBlocksでは対象ドメインを意図的に制限することで、これらの条件を満たした環境を実現しています。

多様なタスクとドメインランダム化

ToyBlocksにおける作業は単なるブロックの配置や積み上げにとどまりません。ブロックの表面には画像や文字が描かれており、探索、ソート、特定の配置作業などが行えます。隠れた面を確認するためにブロックを回転させるといった判断も必要になります。

また、テーブルの高さやブロックのサイズなどの物理的特性をシーンごとに変化させるドメインランダム化（Domain Randomization）を取り入れることで、形状の変化に対するモデルの汎化性能を評価することが可能です。

デモンストレーションの自動生成とアーキテクチャ

ToyBlocksでは、人間が遠隔操作（テレオペレーション）を行うことなく、ロボットがシミュレーション内でタスクを完了する記録（デモンストレーション）を自動生成できます。

短期間のタスクを実行するスキル生成には、強化学習（RL）およびモーションプランニングが用いられており、スキルの訓練はNVIDIAのIsaac Labで行われます。ハイレベルな推論モデルが行うべき動作を決定し、ローレベルのアクションモデルがロボットの具体的な動きを制御する構造となっています。