ロボットの操作ポリシーは急速に進化していますが、特に変形可能な物体を扱うタスクにおいて、実世界での直接評価は高コストで時間がかかり、再現が難しいです。そこで、シミュレーションはスケーラブルで体系的な代替手段となりますが、既存のシミュレーターはソフトボディ相互作用の視覚的および物理的な複雑さを十分に捉えられていません。本研究では、実世界の動画からソフトボディのデジタルツインを構築し、ロボットや物体、環境をフォトリアルな品質で描画する実世界からシミュレーションへのポリシー評価フレームワークを提案します。ぬいぐるみのパッキングやロープのルーティング、Tブロックの押し出しなどの変形操作タスクにおいて、シミュレーションされたロールアウトが実世界での実行パフォーマンスと強く相関し、学習したポリシーの行動パターンを明らかにすることが確認されました。物理に基づいた再構築と高品質レンダリングを組み合わせることで、ロボット操作ポリシーの再現性のある、スケーラブルかつ正確な評価が可能であることが示唆されました。