# MetaGenSim、シミュレーションデータを最適化しロボット学習を強化

> シミュレーターの設定を自動で選ぶ新たなメタ学習システム。均一に生成したデータと比べ、実環境でのタスク成功率が150%向上した。

Oossa · 2026-10-15 · https://oossa.com/ja/metagensim-boosts-robot-learning-by-actively-shaping-simulation-data

Liqian Ma氏らの研究チームは、ロボットの学習に最も役立つデータを生み出すシミュレーターのパラメーターを学習するメタ学習フレームワーク「MetaGenSim」を発表した。このシステムはメタグラディエントを用いて補助的な評価ネットワークを学習するため、シミュレーションと実環境の調整を手作業で行う必要がない。操作タスクのテストでは、均一に生成したデータと比べ、実環境でタスク全体を成功させる割合が150%向上し、専門家が設定した条件と同等の性能を示した。この研究はCoRL 2026で発表された。

## 事実

- 均一なデータ生成と比べ、実環境でタスク全体を成功させる割合が150%向上
- 論文はCoRL 2026で発表され、2026-10-15に公開された

## なぜ重要か

シミュレーターの設定を手作業で何週間も調整しなくても、ロボット開発者が実環境での性能を高められる。

## 出典と参考資料

1. [Active Generative Simulation: Meta-Learning What to Simulate for Sim-and-Real Policy Co-Training](https://arxiv.org/abs/2610.19479) – arXiv cs.RO, 2026-10-15

最終更新: 2026-10-15