sim-to-real（シム・トゥ・リアル）とは？
sim-to-realは、物理シミュレーターでロボットの技能を学習させ、それを実機に移すこと。両者の「リアリティギャップ」を埋めることが課題。
更新:
定義
sim-to-real（sim2real）とは、歩行・把持・バランスなどの動作を主に強化学習で物理シミュレーター内で学ばせ、その方策を実機で動かすことだ。
仕組み
ロボットと環境をシミュレーターでモデル化し、物理や見た目をランダム化して過学習を防ぎ、GPUで大規模に学習してから実機に展開し、実データで微調整する。ハードもそのために設計されつつある。ボストン・ダイナミクスの2026年版Atlasハンドは高精度シミュレーションのためにバックドライブ可能なダイレクトドライブ関節を採用した（記事）。
なぜ重要か
実機データの収集は遅く高価だ。sim-to-realは脚式・ヒューマノイドが頑健な歩行を身につけた主要手段で、テレオペレーションによる実データを補完する。
よくある質問
なぜシミュレーションで学習するのか？
速く、安く、安全だから。何百万回もの試行を並列で実行でき、転倒や衝突にもコストがかからない。
リアリティギャップとは？
摩擦、モーター遅延、センサーノイズ、物体の性質などシミュレーターと現実の違いのこと。これにより学習した方策が実機で失敗する。
どうやって埋めるのか？
ドメインランダム化、正確なアクチュエータモデル、そしてボストン・ダイナミクスの2026年版Atlasハンドのようにシミュレーションしやすいハード設計。
関連記事
HesaiのKosmo、実空間を数分でロボット学習用ワールドに
LiDAR大手がKosmo One（8K空間カメラ）とKosmo Worldを発表。Galbot・Dexmalと提携。DQ店舗のモデリングを約300時間から15分に短縮したと説明。
GalbotのPASSAGE、雑多空間でかがむ・跨ぐ・横向き通過を学習
Unitree G1で未見の物理レイアウト50件を転倒なしで完走、うち45件は非接触。シミュレーション到達98.67%、非接触70.3%。
AWSがPhysical AIツールチェーンをOSS公開、NVIDIA連携
2026年10月8日、AWSが合成データ〜SageMaker〜仿真〜エッジ配備をつなぐOSSツールチェーンを発表。Isaac/Cosmosを組み込み。RoboMakerは2025年終了。
ボストン・ダイナミクス、量産向け4本指ハンドをAtlasに
Atlasの新ハンドは13自由度・小指なし・ダイレクトドライブでsim-to-real学習向けに設計。ヒュンダイはジョージア州で訓練を開始し、Rohit Prasad氏がCEOに。
SkildのS1、シミュレーションで自ら140年相当のサッカーを学習
単一動画デモで微調整なしに動く基盤モデルS1の後、Physical Self-Playを公開。Isaac Simで自己対戦し、ヒューマノイドへ転送。
ApptronikのRobot Park：Apollo 2艦隊がGemini Robotics向けにデータ収集
オースティンのヒューマノイド企業が約9万平方フィートの訓練拠点を拡充。車輪/二足のApollo 2をDeepMind・メルセデス・GXO拠点で運用し、商用Apollo 3へつなぐ。
Newsletter
Robrief Weekly
重要なロボットニュースを週1回お届け。無料・いつでも解除できます。