ドメインランダム化は、シミュレーション環境内のテクスチャ、照明、物理パラメータなどを意図的にランダムに変化させてモデルを訓練する手法です。これにより、シミュレータと現実世界のギャップを埋め、現実の多様な環境変化に対しても頑健に動作するAIモデルやロボット制御ポリシーを構築できます。
ドメインランダム化とは
ドメインランダム化とは、シミュレータ上で機械学習モデル（特に強化学習モデル）を訓練する際、環境の視覚的特徴（色、テクスチャ、照明など）や物理的パラメータ（摩擦、重力、物体の質量など）をランダムに変化させる手法です。これにより、シミュレーションと現実の差をノイズとして処理し、現実世界でもそのまま通用する頑健なモデルを構築することを目指します。
詳しく解説
ドメインランダム化の背景には、現実世界でのデータ収集が困難または危険であるという課題があります。シミュレータを利用した学習は安全かつ高速ですが、現実とシミュレーションの間には必ずリアリティギャップと呼ばれるズレが存在します。ドメインランダム化は、この問題を解決するために開発されました。ニューラルネットワークの訓練中に、環境の様々なパラメータをあえてランダムに変更して多様なパターンのデータを生成します。学習モデルは、これらのランダムな変化に惑わされない共通の本質的な特徴や制御方法を学習します。その結果、現実世界の環境がシミュレーションと多少異なっていても、モデルはパラメータの変化の一部として適応でき、Sim-to-Real（シミュレーションから現実環境への適用）を効果的に実現できます。
具体例・使われ方
代表的な例として、ロボットアームによる物体の把持タスクがあります。シミュレータ上で物体の位置や形状だけでなく、アームの摩擦係数、周囲の照明の明るさや影の位置、背景の色などをフレームごとにランダムに変更しながら強化学習を行います。この訓練を経たロボットは、カメラ画像の見え方が現実世界で多少変化しても、追加の訓練なしに正確に物体を掴むことができます。また、自動運転技術の開発において、時間帯、天候、道路の質感をランダムに変えた仮想環境で走行モデルを訓練する際にも活用されています。
似た用語との違い
混同されやすい概念にドメイン適応があります。ドメイン適応は、ソースドメイン（例：シミュレーション）で学習したモデルを、ターゲットドメイン（例：現実世界）のデータを用いて新しい環境に適合させる手法であり、ターゲット側のデータ収集が必要です。これに対し、ドメインランダム化は、シミュレーション時に環境を極端に多様化させることで、現実世界のデータを一切使用せずに頑健なモデルを作るアプローチであり、一種の転移学習の技術として位置づけられます。
注意点
ドメインランダム化の限界として、ランダムに変化させるパラメータの範囲や分布を人間が事前に設計する必要がある点が挙げられます。ランダム化の範囲が狭すぎると現実世界での適応に失敗し、広すぎるとモデルの学習が収束しなくなる、あるいはタスクの難易度が高くなりすぎて学習が全く進まない問題が発生します。また、シミュレータの基本性能自体があまりに低い場合（例：極めて複雑な接触力学が再現できないなど）、パラメータをランダム化してもSim-to-Realのギャップを埋められないことがあります。