ドメインランダマイゼーション

1つの環境ではなく、ばらつく多数の環境で学ぶ

ドメインランダマイゼーションは、シミュレーションで学習したモデルを実世界で使うときに生じるリアリティギャップに対処するための、単純ですが有望な手法です。リアリティギャップという課題そのものについてはシムツーリアルの項目で扱います。

この手法では、1つの決まったシミュレーション環境でモデルを訓練するのではなく、シミュレータをランダムに変化させ、訓練時に幅広い環境をモデルに経験させます。この研究が検証したのは、シミュレーションでの変動が十分に大きければ、シミュレーションで訓練したモデルは追加の学習なしに実世界へ汎化する、という仮説です。実世界は、モデルにとって訓練中に見た多数のばらつきの1つにすぎなくなる、という考え方です。

カメラ画像からの移転に焦点を当てる

原理的には、ドメインランダマイゼーションはリアリティギャップのどの構成要素にも適用できます。この研究では、そのうち低精度なシミュレーションで作ったカメラ画像から実世界へ移転するという課題に焦点を当てました。カメラの画素からロボットを制御する方式は、カメラが安価で豊かなデータを与えてくれる点で魅力的ですが、高次元の入力データを処理しなければならない点で難しさがあります。

何をランダムにするか

訓練に使う各サンプルごとに、次の要素をランダムに変えます。

• テーブル上の邪魔物(ディストラクタ)の数と形
• テーブル上のすべての物体の位置とテクスチャ
• テーブル、床、空(スカイボックス)、ロボットのテクスチャ
• カメラの位置、向き、視野角
• シーン内の光源の数
• 光源の位置、向き、鏡面反射の特性
• 画像に加えるランダムノイズの種類と量

テクスチャは、ランダムなRGB値、2つのランダムなRGB値の間のグラデーション、2つのランダムなRGB値によるチェッカーパターンの3種類から選びます。この研究は、単純なランダム生成で作った現実的でないテクスチャだけを使った初めての手法であり、そのおかげで数十万種類以上のユニークなテクスチャのシーンで訓練できました。現実に似せることを目指すのではなく、ばらつきの大きさで勝負している点が特徴です。

得られた成果

現実的でないランダムなテクスチャを使ったシミュレータのデータだけで、実世界で1.5cmの精度を持ち、邪魔物や部分的な隠れ(オクルージョン)にも頑健な物体検出器を訓練できました。さらに、この検出器を使って、物が散らかった環境での把持も行えることを示しています。著者らの知る限り、実画像での事前学習を行わず、シミュレーションのRGB画像だけで訓練した深層ニューラルネットワークを、ロボット制御の目的で実世界へ移転させた初めての成功例とされています。