コンテンツにスキップ

Pillar 4 — Sim-to-Real

最終更新: 2026-09 · owner: Youngjin · volatility: 中（エッジ HW・モデルは高） 特に注記がない限り、各項目はページのメタデータ（owner/updated/volatility）を継承します。項目ごとに owner を指定する場合は項目フッターに追記します。 ← index へ

L0 TL;DR: ロボット・業務・環境ごとに実機検証します。観測→動作期限と通信断要件で配置し、独立安全・取消・復旧を設計します。歩行・操作の分類だけで配備可否を決めません。

確認範囲：ページ更新日は全項目の再確認日ではありません。主要訂正の日付・再現/人の確認状態は根拠を参照し、既存項目の確認日は従来どおり適用します。

このピラーで顧客が最もよく尋ねる質問 Top 3

質問は探索例であり、実測した問い合わせ頻度順位ではありません。

  1. 「sim-to-real は実際に可能ですか？検証された事例はありますか？」 → locomotion（可能）、マニピュレーション（まだ）
  2. 「リアルタイム制御ですが、推論はエッジに置くべきですか、クラウドに置くべきですか？」 → エッジ推論デプロイ、decisions
  3. 「実機体にデプロイする前に、ポリシーがうまく機能するかどうかをどう検証しますか？」 → ポリシー評価

安定原理（ほとんど変わりません）: sim-to-real gap の正体は (1) 動力学1の不一致（シミュ物理 ≠ 実物、特に接触）、(2) 視覚の不一致（レンダリング ≠ 実カメラ）です。locomotion がうまくいく理由はロボット+地面というシンプルで寛容な動力学であり、マニピュレーションがうまくいかない理由は接触動力学が厄介だからです。検証された処方は 選択的ドメインランダマイゼーション(DR)2 + システム同定(SysID)3 + RL を MPC4 の上に載せるハイブリッドです。

1. エッジ推論配備 — モデル別検証

L0 TL;DR: モデル・機器・制御時序に合わせ配備を検証します。厳しい期限の制御はローカルで実行し、クラウドは学習・管理・遅延許容の業務計画に使用します。

概要：Greengrass V2はコンポーネント配備・管理を支援します [1]。モデルが対応するPyTorch・ONNX/TensorRT等を選び、全VLAに同一export・遅延を仮定しません。Edge Manager終了後も、変換・機器検証・運用の責任をプロジェクトで定めます。

確認項目 証拠
モデル・機器互換性 重み、ランタイム、ドライバー、センサー、動作単位・正規化
時間条件 観測更新、推論遅延、動作周期、最悪ジッター
更新 モデル・アプリ・設定版、署名・ハッシュ、前回正常な組
運用 通信断、取消・タイムアウト、介入、復旧試験

Action chunking訂正：未来動作の出力は新観測へのフィードバックとは異なります。推論Hz×chunk長を制御周波数にしません。native chunk全体を必ず実行する共通規則もなく、モデル・実行horizon・切替方式ごとに評価します（PI RTC、根拠）。

AWSマッピング：S3モデル資産、Greengrass V2・IoT Jobs配備管理、IoT Core状態・イベントを必要に応じて組み合わせます。安全認証やリアルタイム制御の保証ではありません。

判断・次のアクション：4階層の責任者と障害試験を定め、手順Cの出力を監督下の少数機試験に引き継ぎます。

🔗 関連資産:

  • プレイブック: pillar-2 System1/System2 · pillar-5 オーケストレーション · decisions
  • VLA Hub — AWS 上のリアルタイム VLA 推論ハブ — aws-samples。OSS VLA 6 種（GR00T N1.6/N1.7・π0.5・OpenVLA-7B・SmolVLA-450M・LAP-3B）をモデルごとの独立 gRPC エンドポイントとして CDK でデプロイ（ECS on EC2 g5/g6、内部 NLB）。デプロイ時に GPU 容量のある AZ を自動検出。同一コンテナ・proto の Jetson（Orin/Thor）単一デバイストラックを含み、System 2 のクラウド/エッジ推論経路を 1 つのコードベースでカバー。モデル別ライセンス・適応コスト・シナリオ推奨をまとめた capability matrix は顧客対話に有用。⚠️ 初期段階（2026-05 作成）・内部 NLB のみ（クライアントは同一 VPC 必須）・GR00T はライセンス確認必須
  • ROS2 OTA ファームウェア更新 — aws-samples。Greengrass V2 + IoT Jobs による ROS2 フリートのファームウェア OTA リファレンス実装 — デバイスエージェントが Docker レジストリからイメージを取得し、失敗時は直前の正常バージョンへ自動ロールバック、インターネット非接続デバイスは Greengrass プロキシ経由。上表の IoT Jobs 行を実コードで示すアセット

2. Locomotion Sim-to-Real 🟢 検証済み（本番）

L0 TL;DR: sim-to-real が「可能」である証拠がここにあります。四足歩行(ANYmal)と二足物流ロボット(Agility Digit) はシミュレーションで RL により学習し、実際の有料の産業現場にデプロイされました。

顧客ニーズ/問題: 「sim-to-real はマーケティングではないのですか？実際にお金をもらって働くロボットはいますか？」

ソリューション概要 [1]/[3]:

  • ANYmal (ANYbotics) 🟢 — 大規模並列シミュレーション RL で学習した歩行、数百台が世界中の産業点検（石油・ガス・鉱山・化学）にデプロイ。ETH RL-walking 系譜（peer-reviewed）。本番 + 証拠。
  • Agility Digit @ GXO 🟢 — 複数年 RaaS 契約の下での有料商業作業、2025-11 時点で 10 万+ トート移動、約 1 年連続フルタイム、6.5 万+ 稼働時間。最もよく検証された有料ヒューマノイド作業（顧客 GXO がクロスチェック）。ただし狭い構造化トート移動タスクに限定。
  • ⚠️ Boston Dynamics Spot は製品に MPC（古典制御）を搭載 — RL ではありません。Spot の RL 歩行(5.2m/s) は研究キット(BD+NVIDIA+RAI)にのみ存在します。この業界で最もよく間違えられる事実 — 逆に言わないこと。

AWS マッピング: 学習(→pillar-2、pillar-3) + エッジデプロイ(→第 1 項)。ベンダーごとのインフラは非公開。

意思決定基準: 顧客のユースケースが歩行・移動(locomotion) → sim-to-real は成熟しており、積極的に提案可能。精密マニピュレーション → 慎重に（第 4 項）。

顧客事例: ANYmal（産業点検、本番）、Agility Digit@GXO（物流、有料）。⚠️ どのヒューマノイドにも独立第三者による自律性監査はありません — ベンダー/顧客 PR ベース([3])。

➡️ 次のアクション: 顧客が sim-to-real に懐疑的な場合、ANYmal/Digit@GXO を「可能」の根拠として使い、ただし「locomotion だから可能」を明確にします。Spot=MPC の事実を正確に理解して信頼を確保します。

🔗 関連資産: pillar-3 並列 RL · pillar-2 学習

🔄 揮発性データ（ヒューマノイド デモ↔本番 のはしご — 2026-07）
段階 事例
有料・検証済み ANYmal（四足、数百台）, Agility Digit@GXO（10 万+ トート）
本番パイロット（メトリクス・自律あり、ベンダー報告） Figure 02@BMW（~1,250h, 9 万+ 部品→Figure 03）, Apptronik Apollo@Mercedes
製品リリース済みだが自律ではない 1X Neo（自律 + VR 遠隔操作 "Expert Mode" の混合運用 — 「自律 60~70%」という数字は一次ソースなし、radar 参照）
印象的なデモ/研究 Atlas のアジャイル動作, Spot RL 研究キット（製品は MPC）, Unitree のアジャイルスキル, Figure 03 「8 時間自律」の主張（CEO ツイート）
発表・ロードマップ（0 台稼働） Hyundai Atlas 2.5 万台（2028、労組反対）, Tesla Optimus V3

3. Sim-to-Real手法 — 適用条件確認

L0 TL;DR: 検証された処方は派手な新技法ではなく、選択的 DR + SysID + RL を MPC の上に載せるハイブリッドです。むやみにすべてをランダム化すると RL が不安定になります。

顧客ニーズ/問題: 「sim-to-real gap を実際にどう縮めますか？どの技法が本番で通用しますか？」

ソリューション概要 [1]/[3]:

  • 選択的ドメインランダマイゼーション(DR) 🟢 — locomotion の標準。ただし過度なランダム化は学習を不安定にする → 選択的に行います。
  • システム同定(SysID) + 選択的 DR 🟢 — コアな動力学パラメータを実測で校正してから選択的 DR。現在のベストプラクティス。
  • RL over MPC ハイブリッド 🟢 — 純粋な end-to-end RL ではなく、古典 MPC をベースに + 学習ポリシーで堅牢化。Boston Dynamics もこのハイブリッド = 実際のデプロイに最も近い。
  • 研究段階（本番ではない）: 残差 real2sim2real(ASAP)、分布的 SysID(Spot 研究)、VLM ベースの SysID(Vid2Sid) — 🔵 印象的だが単一ラボのデモ。
  • deploy-side gap — デプロイ失敗の多くは物理ではなく「配線」 [2]: 学習側のギャップ（物理・レンダリングの不一致）とは別に、学習済みポリシーを実機で実行する段階の失敗の多くは 観測 layout・actuation スケールの不一致 から来ます。例: Unitree G1 の whole-body 制御は、観測 86 項目×6 ティック=516 次元の配列順序と action_scale=0.25 のような定数がシミュレーションと正確に一致する必要があります（一致すれば 0.5m/s コマンドで ~0.38m/s の安定歩行、不一致なら歩行不能）。ポリシー移植チェックリストの第一項目 — DR・SysID を論じる前にこれを。
graph LR
    SIM["シミュレーション RL 学習"] --> SID["SysID<br>主要な動力学を実測補正"]
    SID --> DR["選択的ドメインランダマイゼーション"]
    DR --> MPC["RL over MPC ハイブリッド<br>古典制御 + 学習ポリシー"]
    MPC --> VAL["実機体の少量検証"]
    VAL --> DEP["本番デプロイ<br>（locomotion 検証済み）"]

AWS マッピング: 方法論自体はクラウド中立。大規模 DR/SysID スイープは AWS Batch で並列化(→pillar-3)。

意思決定基準: locomotion → DR+SysID+ハイブリッドを信頼。マニピュレーション → この処方だけでは不十分、実データの並行が必須（第 4 項）。

顧客事例: ANYmal・Digit（上の第 2 項）がこの方法論の産物。

➡️ 次のアクション: 顧客チームが「むやみに DR」で迷走している場合、「選択的 DR + SysID + MPC ハイブリッド」で方向を修正します。研究の新技法(ASAP など)は「研究段階」と正直にラベル付けします。

🔗 関連資産: pillar-3 シミュレーション

4. マニピュレーション (Manipulation) Sim-to-Real 🔵 Research / 🟡 狭い本番

L0 TL;DR: 正直な悪い知らせ — 一般的な接触の多いマニピュレーションの sim-to-real は解決していません。だからフロンティア VLA(OpenVLA, π0.5, Gemini Robotics) はシミュレーションではなく、実機体データで学習します。本番は狭い低難度の loco-manipulation（トート/部品移動）のみです。

顧客ニーズ/問題: 「私たちは組立/把持のようなマニピュレーションが必要です。シミュレーションで学習して可能ですか？」

ソリューション概要 [1]:

  • なぜ遅れているか: マニピュレーションは接触動力学の不一致が大きく、報告された sim-to-real の性能低下 ~24~30%、照明/カメラポーズの変化だけで成功率が 30~50% 低下。
  • 核心的洞察 — VLA は実データに依存: OpenVLA(7B) は約 97 万個の実機体デモ(Open X-Embodiment)で学習。π0/π0.5、RT-2、Gemini Robotics はすべて大規模な実ロボットデータ中心で、シミュレーションは評価/適応の補助です。Gemini Robotics は SDK に MuJoCo を評価用にバンドルしています。
  • 成熟度: 精密・多指接触マニピュレーション、オープンワールド VLA 家事(π0.5) → 印象的なデモ/trusted-tester Preview。2026-07 時点で接触の多いマニピュレーションを GA 本番として検証した汎用 VLA はありません。

AWS マッピング: 実データパイプラインが鍵 → pillar-1。シミュレーションは評価補助（第 5 項）。

意思決定基準:

  • 狭い構造化把持・移動 → 可能（Digit 級）。
  • 汎用・精密・接触の多いマニピュレーション → 現在未解決、実データの大量収集が前提 + 期待値管理。
  • 「シミュレーションだけでマニピュレーションポリシー」→ リスクあり、実デモでのファインチューニングが必須。

顧客事例: 狭い loco-manipulation(Digit, Figure 02) のみが本番。精密マニピュレーションは研究/Preview。

➡️ 次のアクション: マニピュレーション顧客には期待値を正直に管理 — 「locomotion ほど解決していない、実データが鍵」を先に伝え、pillar-1 実データパイプラインへつなげます。過剰な約束は禁止。

🔗 関連資産: pillar-1 テレオペレーション/実データ · pillar-2 VLA ファインチューニング

5. ポリシー評価 — デプロイ前検証 🔵 Research（未解決問題）

L0 TL;DR: 不都合な真実 — どのシミュレーション評価スイートも実デプロイのゲートとして信頼されていません。人気のベンチマーク(LIBERO/SimplerEnv/CALVIN) が shortcut・過学習・統計的に有意でない問題を露呈しました。現在の方向は real-to-sim 再構成 + 分散実世界 A/B です。

顧客ニーズ/問題: 「実機体に載せる前に、ポリシーが本当にうまく機能すると確信するにはどうしますか？」

ソリューション概要 [1]:

  • sim 評価スイート: SimplerEnv、LIBERO、Meta-World などが存在するが限界を露呈。2026-06 監査: 言語エンコーダのない 90M プローブが LIBERO 3/4 で SOTA に一致（shortcut）、報告された「進歩」のうち統計的裏付けがあるのは ~20% のみ、CALVIN は配置ポーズの再サンプルだけで 25% 低下。sim↔real の相関が低い。
  • 実世界評価: RoboArena — 分散二重盲検 A/B（ポリシー IP のみを与え、その正体を隠す）、7 機関 4,284 エピソード、Bradley-Terry/Elo。研究フレームワークだが方向を示す。
  • 新方向: real-to-sim（Gaussian Splatting/ワールドモデルによるシーン再構成）+ 分散実 A/B。単一 sim スイート = 信頼できるゲートではない。

AWS マッピング: 大規模評価スイープの並列化 → AWS Batch。実世界 A/B データ収集 → IoT/S3。（マネージドなロボット評価サービスはありません）

意思決定基準: sim ベンチマークスコアだけでデプロイ判断をするのは禁止。sim スクリーニング + 実世界の段階的検証を並行。ベンチマークスコアを引用する際は統計的有意性・測定条件を確認。

顧客事例: （評価自体は研究領域）

➡️ 次のアクション: 顧客が「sim で 95% 出たからデプロイ」しようとする場合、「sim↔real の相関が低いという最新研究」を根拠に、段階的な実世界検証を設計するよう助言します。この正直さが事故を防ぎます。

🔗 関連資産: pillar-3 シミュレーション · pillar-1 実データ

6. 実機セルの安全要求 — 設置別確認

L0 TL;DR: 人のそばで動くロボットは、法律により防護装置を備える必要があります。国際的には ISO 10218-1/-2:2025 + ISO/TS 15066（協働ロボット）、韓国ではさらに 「産業安全保健基準に関する規則」第223条（原則として高さ 1.8m 以上のフェンス）+ KCs5 義務安全認証の防護装置 が上乗せされます。このセットアップのコスト・リードタイムが実機検証を遅くする第三の壁であり、裏を返せばシミュレーションの経済的論拠です（→ pillar-3）。

顧客ニーズ/問題: 「ロボットセルを韓国の工場に設置するには、法的に何を備える必要があるか？協働ロボットならフェンスなしで済むのか？」

ソリューション概要 [1]:

  • 国際標準の地図: ISO 10218-1:2025（ロボット本体）· ISO 10218-2:2025（ロボットセル・統合）· ISO/TS 15066:2016（協働ロボット）· IEC 61496-2/-3（ライトカーテン6/安全レーザースキャナ）· ISO 12100（リスクアセスメント）· ANSI/RIA R15.06（米国）。
  • 協働ロボットの 4 つの安全運転モード（ISO/TS 15066）: ① 安全定格監視停止（safety-rated monitored stop）② ハンドガイディング ③ 速度・間隔監視（speed & separation monitoring）④ 動力・力の制限（power & force limiting）。人と同じ空間を共有するには、このうち一つを 認証済みのセンサー・機器で実装し検証 する必要があります。2025 年改訂で ISO/TS 15066 の接触力・圧力の限界値が ISO 10218-2 本文に吸収 されました。
  • 韓国の法定の組み合わせ — 「産業安全保健基準に関する規則」第223条: 産業用ロボットの運転中の労働者の危険防止のため、原則として 高さ 1.8m 以上のフェンス（防護柵） の設置を要求し、フェンスを設置できない開口部・進入区間には安全マットまたは光電子式防護装置（ライトカーテン）などの感応型防護装置で接触を遮断しなければなりません。この防護装置は 「産業安全保健法」第84条に基づく KCs 義務安全認証品（ライトカーテン=IEC 61496-2、レーザースキャナ=IEC 61496-3 に対応、雇用労働部「防護装置安全認証告示」）でなければなりません。つまり韓国のロボット作業区域は 「1.8m フェンス +（開口部は）KCs 認証ライトカーテン/安全マット」が事実上の法定の組み合わせ です。⚠️ 正確な条文・項は韓国の国家法令情報センターの原文で最終確認を。
  • コスト感覚 [4]: 安全レーザースキャナは 1 台あたり数千ドル台、安全フェンスはメートルあたりおよそ $60–120（メーカー・仕様による偏差が大きい推定値）+ リスクアセスメント・認証のリードタイム。防護セットアップはロボット本体以外の隠れた原価です。

AWS マッピング: 直接のマッピングなし（規制は AWS の外）— ただしこの規制負担が pillar-3 シミュレーション経済学（「シミュレーションにはフェンス・認証・事故がない」）と pillar-5 多層防御（エージェント層 Policy + ロボット層 ISO 決定論的安全）の前提になります。

意思決定基準: 「協働ロボットだからフェンス不要」は自動ではありません — リスクアセスメント（ISO 12100）の結果が、4 モードのどれをどの認証機器で実装するかを決めます。韓国での設置相談は条文確認 + 韓国ロボット産業振興院（KIRIA）の産業用ロボット安全マニュアル参照へ接続。

顧客事例: （規制順守は事例ではなくデプロイの前提条件）

➡️ 次のアクション: 実機 PoC の提案書に 防護セットアップのコスト・KCs 認証のリードタイムを最初からラインアイテムとして 入れるよう助言 — 後から発覚するとスケジュールが丸ごと遅れます。同じスライドで「シミュレーション先行検証」（→ pillar-3）を提案すれば説得が完成します。

🔗 関連資産: pillar-3 なぜシミュレーションか · pillar-5 安全 & ガードレール

このピラーの正直な現実（SA 必読）

  • locomotion は可能、マニピュレーションはまだ。 この一文が sim-to-real の会話の骨格です。過剰な約束は信頼を失います。
  • Spot = MPC、RL ではない。 この業界で最も多い誤り。逆に言うと専門性を疑われます。
  • フロンティア VLA は実データで学習、シミュレーションは評価/適応の補助 — 「シミュレーションだけでマニピュレーションポリシー」は罠です。
  • SageMaker Edge Manager は死亡(2024-04)、後継なし → ONNX + Greengrass V2。Greengrass V1 も 2026-06 終了、V2 のみが現行。
  • 30~100Hz 制御は必ずエッジ。 action chunking がクラウドの計画とエッジの制御をつなぐ橋です。
  • ヒューマノイドの「本番」指標はほとんどがベンダー PR — 独立した自律性監査はありません。Digit@GXO・Figure@BMW のみが顧客のクロスチェック済み。1X Neo は「製品だが実際には遠隔操作」。

owner: Youngjin · updated: 2026-09 · volatility: 中（エッジ HW・ベンダー指標は高）· sources: [1] 公式/論文, [3] ベンダー/PR, [4] 未検証。2026 arXiv プレプリントは非査読(illustrative)。

  1. 動力学（dynamics） — 力・摩擦・衝突が生み出す運動の物理です。特に物体をつかむ際の接触動力学は、シミュレーターが正確に再現するのが最も難しい部分です。 ↩

  2. ドメインランダマイゼーション（Domain Randomization） — シミュレーションの照明・質感・物体位置・カメラ角度・物理パラメータをランダムに変えながらデータ生成・学習を行う技法です。ポリシーがどんな環境変化にも耐えられるようになります — sim-to-real の代表的な処方です。 ↩

  3. システム同定（SysID, System Identification） — 実機ロボットの物理パラメータ（摩擦・質量・モーター応答）を測定し、シミュレーターを実物に合わせて校正する作業です。 ↩

  4. MPC（Model Predictive Control） — 短い未来を繰り返し予測・最適化しながら制御する古典制御技法です。学習した RL ポリシーを MPC の上に載せるハイブリッドが検証済みの処方として定着しました。 ↩

  5. KCs（安全認証） — 韓国の産業安全保健法第84条に基づく危険な機械・器具・防護装置の義務安全認証マークです。ライトカーテン・レーザースキャナのような防護装置は KCs 認証品のみが法定の防護装置として認められます。 ↩

  6. ライトカーテン（AOPD、光電子式防護装置） — 多数の赤外線ビームで仮想の「光の壁」を作り、人の身体がビームを遮ると即座に機械を停止させる感応型防護装置です。フェンスを設置できない開口部に使われ、国際規格は IEC 61496-2（面積監視型のレーザースキャナは IEC 61496-3）です。 ↩