第 3 章 シミュレーション3.2

主なシミュレーターの違い

MuJoCo、Isaac Sim、Gazeboを用途・モデル形式・OS/GPU・費用条件で比較します。Pythonの最小例とACT研究でのMuJoCo利用から、再現条件と選定時の合否の判定を具体化します。

要点

  1. 関節や接触をPythonから調べるならMuJoCo、センサー込みの場面を組むならIsaac Sim、既存のROS 2プログラムとの接続を調べるならGazeboが候補です。
  2. 用途だけで決めず、モデル形式とOS・GPU条件、必要な出力までの構成を確認します。
  3. Newtonは物理エンジン、Isaac Labは学習の枠組みで、場面を扱う道具との組合せを考えます。
  4. 公式要件と研究の結果は、その版・課題・評価条件の範囲で使います。

定義

ロボットシミュレーター
仮想の機体と環境から運動や観測を計算する道具です。
ROS 2
ロボットのセンサーや制御プログラムをつなぐソフトウェア群です。

ロボットシミュレーターは、仮想の機体と環境から運動や観測を計算する道具です。例えば箱をつかむ課題でも、関節の位置だけを調べる場合と、カメラ画像をROS 2へ送る場合では必要な構成が異なります。ROS 2は、ロボットのセンサーや制御プログラムをつなぐソフトウェア群です。

選定では「同じ箱つかみを動かせるか」に加え、何を入力し、どの値を取り出し、どこまで自作するかを揃えます。物理エンジンは運動と接触の計算部分です。Isaac SimやGazeboのような場面・センサー・接続をまとめる道具と、同じ階層の製品とは限りません。

用途と導入条件の比較

次の表は公式文書で確認した条件です。MuJoCoは資料を確認できた3.3.7、Isaac Simは6.0.0、GazeboはHarmonicを対象にします。これは再現条件を示すための版指定で、最新版の推奨順位ではありません。2026年10月28日に取得したMuJoCoのリリース一覧には3.17.0がありますが、以下のコードの同版での動作は未確認です。

対象と用途モデル形式と接続OS・計算機の確認条件ライセンス・費用の確認範囲
MuJoCo 3.3.7。関節位置や接触をPythonから反復計算する候補MJCFが固有形式。URDFも読込可能。公式Pythonパッケージは mujocoWindows・Linux・macOS。Programming 3.3.7にAVX対応CPUの要件あり。対象アーキテクチャと配布物は採用版で照合。下の例は描画なしのCPU計算。画像を生成する場合はOpenGL等の条件を別に確認公式repositoryの現行表示はApache-2.0。計算機、モデル素材、運用の費用は含まない
Isaac Sim 6.0.0。カメラ等の観測を含む場面やROS 2接続を検討する候補USDを使う場面にURDF・MJCF等を取り込むNVIDIAのx86_64最小構成表はUbuntu 22.04/24.04またはWindows 11、RTX 4080、VRAM 16GB、RAM 32GB。RTコアのないA100/H100は非対応ソースはApache-2.0でも、Omniverse Kitや素材は別条件。公式FAQは社内R&D無償と第三者への再配布・サービス提供を区別
Gazebo Harmonic(gz-sim 8.x)。既存ROS 2プログラムとの接続を検討する候補場面の入力はSDF。ROS 2 Jazzyとの組合せを公式対応表で確認Ubuntu 22.04/24.04のamd64が公式対応。macOS・Windows等はbest-effort。標準Ogre 2描画はOpenGL 3.3超、4.3以上が推奨現行Gazebo Sim library文書はApache-2.0。Harmonic配布物の全依存・外部モデル素材の条件と有償サポート価格は未確認

MuJoCoの形式は公式Overview 3.3.7、Isaac Simの数値はNVIDIA Requirements 6.0.0に基づきます。GazeboのOSはHarmonicの対応表、描画条件は公式Troubleshootingで確認しました。最小構成は大きな場面や多数のセンサーが動く保証ではありません。クラウド料金や総費用は比較していません。

MJCFとURDFは機体の関節・形状などを記述する形式です。USDは場面や素材を構成する形式、SDFはロボットや環境を記述する形式です。形式を変換できても、質量・慣性・接触形状・関節軸が意図どおりかは別に確認します。

NewtonとIsaac Labも候補の構成要素です。NewtonはNVIDIA Warp上の物理エンジンで、Isaac Simの公式文書にも物理計算の選択肢として登場します。Isaac Labはロボット学習の枠組みで、mainの文書(2026年10月28日取得)はIsaac Simとの組合せと、Newtonを使う単独構成を説明しています。物理計算と描画の構成も版と一緒に記録します。「Isaac SimかIsaac Labか」ではなく、場面の実行環境と学習の枠組みを組で記録します。

MuJoCoで比較の入口を作る最小例

物理計算だけを評価したいなら、まず描画も外部モデルも使わない試験に分けられます。次は仮想の球を落下させる独自例です。箱つかみの成績や接触精度を測るコードではありません。MuJoCo 3.3.7の公式Python APIに照合した未実行例で、SDKの導入や実機操作は行っていません。

再現環境の候補はUbuntu 22.04 x86_64、Python 3.11、mujoco==3.3.7です。作業用の仮想環境にだけ導入する想定です。OSとPythonの組合せを含む実行確認は未実施です。

python3.11 -m venv .venv
. .venv/bin/activate
python -m pip install "mujoco==3.3.7"
python drop_probe.py

drop_probe.py は次の内容です。数値はこの例の入力であり、ロボット一般の推奨設定ではありません。

import mujoco

xml = """
<mujoco model="drop_probe">
  <option timestep="0.01" gravity="0 0 -9.81"/>
  <worldbody>
    <body name="probe" pos="0 0 0.4">
      <freejoint/>
      <geom type="sphere" size="0.02" mass="0.1"/>
    </body>
  </worldbody>
</mujoco>
"""
model = mujoco.MjModel.from_xml_string(xml)
data = mujoco.MjData(model)
initial_z = float(data.qpos[2])

for _ in range(10):
    mujoco.mj_step(model, data)

assert abs(data.time - 0.1) < 1e-9
assert float(data.qpos[2]) < initial_z
print(mujoco.__version__, round(data.time, 3), float(data.qpos[2]))

期待する結果は、モデルの読込に成功し、仮想時間が0.1秒進み、球の高さが初期値より下がることです。実測した高さや処理速度は提示していません。ModuleNotFoundErrorなら対象の仮想環境・導入を確認し、XML読込で止まればモデル定義の問題として分けます。球の位置を取得できても、床との接触、把持、画像出力はまだ検証できていません。

このように最小例の合格条件を明示すると、物理計算の開始と、必要な仕事の完成を混同せずに済みます。APIの根拠はMuJoCo Python 3.3.7のBasic usageです。

ACTの研究で使われたMuJoCo

ZhaoらはRSS 2023のACT研究で、双腕による箱の受渡しと、空中で部品を差し込む二つのMuJoCo課題を作りました。著者所属はStanford University、UC Berkeley、Metaです。ACTは、実演から動作を学ぶ模倣学習の一方式です。一連の動作をまとめて予測します。この研究は、シミュレーター製品を比較したものではありません。

原論文V節・Table IIでは、各仮想課題について、スクリプトと人の操作からそれぞれ50本の成功実演を集めています。初期配置を変え、各条件を3種類の乱数seed、各50試行で評価しました。ACTは比較した4手法より高い最終成功率を示しましたが、人の実演で学んだ条件とスクリプトの条件では結果が異なります。

この事例から確認できるのは、MuJoCoで共通の課題を用意し、学習手法やデータの違いを比較した構成です。MuJoCoが他製品より正確・高速という結論や、仮想課題の方策を実機へ無調整で移せる保証は得られません。同論文の実機実験は別の課題・データであり、ここで示した落下例もACTの再現ではありません。

選定結果に残す入力と判定

次は、手元の課題を候補へ割り当てるための独自の判定表です。公式の性能順位ではありません。まず必要な出力を一つ決め、その出力までの経路を試験対象にします。

手元の条件最初に試す構成合否として残すもの
Pythonから関節位置・接触量を取りたいMuJoCoと小さいMJCFモデルモデルhash、時間刻み、初期状態、入力指令、取得した値。落下例だけなら接触検証は未完了
Ubuntu 24.04とROS 2 Jazzyの既存プログラムをつなぎたい公式対応表にあるGazebo HarmonicSDFとプラグインの版、ROS側が受けた観測・時刻・応答。画面が表示されたことだけでは合格にしない
RTXセンサーやUSD場面が必要要件を満たす計算機上のIsaac SimGPU・driver・Sim版、場面hash、センサー種類と解像度、観測の保存結果。学習を行うならIsaac Labの版も別記

Gazeboを複数版入れた環境では、gz sim が最新の導入版を選ぶ点にも注意が要ります。公式GUI手順の gz sim --versions で版を確認し、Harmonicの例では gz sim --force-version 8 shapes.sdf と指定できます。これは付属場面の起動例であり、ROS接続まで確認する試験ではありません。

比較記録には、物理エンジン、時間刻み、センサー、制御側を揃えたかを残します。速度を測るなら物理計算だけか、描画・通信も含むかを先に決めます。ここに挙げた資料や未実行例から、製品間の速度差、導入総額、実ロボットでの安全性は判断できません。

図 3.2.1 最初の比較の進め方は、選定の進め方の順序を示します。まず必要な出力を一つ決め、その出力までの経路を試験対象にし、最小例の合格条件を明示し、手元の条件を候補の構成へ割り当て、物理エンジン、時間刻み、センサー、制御側を揃えたかを比較記録に残します。

最初の比較の進め方必要な出力を一つ決め、出力までの経路を試験対象にし、最小例の合格条件を示し、手元の条件を構成へ割り当て、揃えた条件を比較記録に残します。必要な出力を一つ決める出力までの経路を試す最小例の合格条件を示す条件を構成に割り当てる揃えた条件を記録する
図 3.2.1 最初の比較の進め方

同じ小課題で候補を比較する記録

道具を比べるときは、機能の有無に加えて同じ小課題を通せるかを記録します。たとえば箱1個とアーム1台の場面を入力とし、以下を評価表にします。これは比較試験の設計例で、この3環境で実行した結果ではありません。

観点残す出力判断の分岐
モデルの取り込み寸法、関節方向、衝突形状の確認画像外観だけ合い、衝突形状が欠けるなら物理比較へ進まない
制御との接続指令と関節状態の時刻付きログ実機側の制御を使う目的なら接続確認を先に行う
センサー解像度、出力周期、座標系、欠落の記録学習入力と一致しない場合は変換の工数も比較する
再実行版、設定、乱数の指定、結果の差同じ入力で変動する箇所を記録できないなら原因調査を保留する

描画の見栄え、学習の速さ、実機との差の小ささは別の評価項目です。総合点だけで順位を付けず、「既存の制御との接続を確かめたい」「画像の条件を変えたい」など、今回必須の出力を満たす候補を残します。

3.3.7のProgrammingにはCPUのAVX命令対応という要件があります。対象アーキテクチャと配布物の対応を採用する版で確認します。別の版で動かす場合は、その版の変更履歴・Python API・モデル形式も照合し直します。

自社での取り組みについて相談する

ロボットやシミュレーターの検証・導入について、株式会社UNIQUEX にご相談いただけます。

記事のタイトルと URL をお問い合わせフォームへ引き継ぎます。実現したいこと・困っていることをお書きください。

UNIQUEX に相談する

参考文献

  1. Google DeepMind. Overview — MuJoCo Documentation、3.3.7、Introduction・Examples(参照日 2026-10-09)
  2. Google DeepMind. Python — MuJoCo Documentation、3.3.7、Installation・Basic usage・Structs・Functions(参照日 2026-10-09)
  3. Google DeepMind. Programming — MuJoCo Documentation、3.3.7、Introduction・Getting started(参照日 2026-10-09)
  4. Google DeepMind. MuJoCo repository — GitHub、main README、2026-10-09取得(参照日 2026-10-09)
  5. Google DeepMind. MuJoCo releases — GitHub、3.17.0 release見出し、2026年10月28日取得(参照日 2026-10-28)
  6. NVIDIA. What Is Isaac Sim? — NVIDIA、6.0.0、冒頭・Workflow Overview、更新2026-06-05(参照日 2026-10-09)
  7. NVIDIA. Isaac Sim Requirements — NVIDIA、6.0.0、System Requirements、更新2026-06-05(参照日 2026-10-09)
  8. NVIDIA. License FAQ — NVIDIA、6.0.0、ライセンスと商用R&D/第三者提供のFAQ(参照日 2026-10-09)
  9. Gazebo contributors. Gazebo Harmonic — Gazebo、Harmonic、Libraries・Supported platforms(参照日 2026-10-09)
  10. Gazebo contributors. Installing Gazebo with ROS — Gazebo、Harmonic文書、2026-10-09取得(参照日 2026-10-09)
  11. Gazebo contributors. Troubleshooting — Gazebo、Harmonic、Unable to create the rendering window(参照日 2026-10-09)
  12. Gazebo contributors. Gazebo Sim library documentation — Gazebo、2026-10-09取得、Features/License。Harmonic固定LICENSE未読(参照日 2026-10-09)
  13. Gazebo contributors. Understanding the GUI — Gazebo、Harmonic、Prerequisites・version選択(参照日 2026-10-09)
  14. Tony Z. Zhao, Vikash Kumar, Sergey Levine, Chelsea Finn. Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware — Robotics: Science and Systems、RSS 2023、PDF pp.1,6,8–9、V節・Table IIの抽出テキスト(参照日 2026-10-09)
  15. Newton contributors. Newton — GitHub、main README概要、2026-10-09取得(参照日 2026-10-09)
  16. The Isaac Lab Project Developers. Welcome to Isaac Lab! — Isaac Lab Documentation、main、Welcome・multi-backend architecture、2026年10月28日取得(参照日 2026-10-28)

更新履歴

  • 初版
  • 確認版・モデル形式・OS/GPU・ライセンス確認範囲、未実行のMuJoCo最小例、ACTの実研究条件を追加。
  • 用語集に定義を追加
  • 実行環境の説明を整理。
  • 日本語表現を校正し、助詞・語順・主語と述語の対応を改善
  • 対象に即した記入例、判断の分岐、失敗時の確認事項を追加。
  • 本文と更新履歴の説明を簡潔化

Markdown 版