シミュレーション
要約済み 2
-
hf-papers 8時間前 4Habitat-GS、3DGSで高忠実度ナビゲーション訓練を実現Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting
Meta AI研究チームがHabitat-Simに3Dガウシアンスプラッティングと動的アバターを統合したシミュレータ「Habitat-GS」を発表。 メッシュ比で高品質なリアルタイムレンダリングを実現し、エージェントのシミュレータ→実世界のドメイン汎化性能が向上。 人混みでのナビゲーション訓練が可能になり、実環境展開を目指すロボット・自律エージェント研究を加速。
解説 Habitat-GSはオープンソースの具身AI基盤「Habitat-Sim」を拡張し、従来のメッシュラスタライズを3DGS（三次元ガウス点群レンダリング）へ置き換えた高忠実度シミュレータである。CUDAとOpenGLのゼロコピー連携により、A100/H100等の標準GPUでリアルタイム高品質描画を実現した。動的人体アバターはSMPL-Xの骨格パラメータに基づくCUDA LBSカーネルで変形し、推論コストなしで高速駆動される。「視覚・ナビゲーション分離」設計によりGSシーンの描画とNavMeshによる経路探索が独立して機能する。実験ではGemini 3.0 Proを用いたVLM評価でGSシーンがメッシュを大幅に上回る品質を確認。PointNavベンチマークでは、メッシュとGSを混合した訓練構成（50M+50G等）が最も優れたクロスドメイン汎化を達成した。さらにGSアバターで追加学習したエージェントは衝突率・PSIを大幅に低減し、その能力はより低品質なメッシュ環境にも転移することを確認している。 -
hf-papers 1日前 4物理シミュレータとRLでLLMが国際物理オリンピックに挑むSolving Physics Olympiad via Reinforcement Learning on Physics Simulators
物理シミュレータで生成した合成データと強化学習を組み合わせ、LLMの物理推論能力を強化する手法が発表された。 シミュレーション環境のみで訓練したモデルが実世界ベンチマークへのゼロショット転移に成功し、IPhO問題で既存手法比5〜10ポイント向上。 シミュレータを活用した低コストな科学推論トレーニングの可能性を示し、理系分野のAI応用に新たな道を開く。
解説 本論文は、大規模言語モデル（LLM）の物理推論能力を向上させるため、物理シミュレータをスケーラブルなデータ源として活用する手法「Sim2Reason」を提案する。DeepSeek-R1などの推論特化モデルが数学分野で躍進した一方、物理学では大規模なQ&Aデータセットが乏しく、同様のアプローチが困難だった。そこで本研究ではPhysicsエンジン上でランダムシーンを生成し、物理法則に基づく合成Q&Aペアを自動生成、その上で強化学習（RL）によりモデルを訓練する。シミュレーション内でのみ学習したモデルが、実世界の物理ベンチマーク（国際物理オリンピックIPhO等）にゼロショット転移できることを示し、異なるモデルサイズで5〜10ポイントの性能改善を達成。GPT-4oやGemini等の既存モデルに対しても競合または上回る結果を示している。シミュレータをデータジェネレータとして用いることでインターネット上のデータ不足問題を回避できる点が新規性であり、数学以外の自然科学分野へのRL適用に新たな道を開く研究として重要度が高い。