強化学習（RL）の研究は、物理環境とシミュレーション環境の両方で成功を収めてきました。しかし、現在の主流はシミュレーション環境での研究に留まっており、そこで開発されたアルゴリズムを実際のロボットに応用する際には、多くの不確実性が生じるという課題がありました。研究者らはこの課題に対応するため、シミュレーションから物理的現実への移行を簡素化することを目的とした物理プラットフォーム「Open Ant」を開発しました。 Open Antは、広く使用されているGymnasium Ant環境の物理的バージョンであり、対応するシミュレーション環境も備えています。研究チームが実施した実験によると、ロボット自体の経験から直接、わずか1時間程度で歩行ポリシーをゼロから学習することが可能であることが示されました。この学習はSARSA（λ）とSoft Actor-Critic（SAC）という2つの大きく異なる強化学習アルゴリズムで実証されています。さらに、シミュレーション環境で学習されたポリシーが実際のロボットに転移可能であることも確認されました。 プラットフォームの実用性についても検証が行われています。異なるバックグラウンドを持つ新規ユーザーがプラットフォームでの初期成功を達成する速度や、ハードウェアの問題が発生した際の修復・更新の容易さなど、実験的なエコシステムの柔軟性が評価されました。ハードウェア設計とソフトウェアの両方はGitHub上でオープンソース化されており、カスタマイズが容易です。研究チームは、シミュレーション環境を頻繁に使用する強化学習研究者に対し、Open Antの使用を推奨しており、これにより研究評価にロボット実験をより容易に組み込むことが可能になります。