物理情報学習と制御ステアリングでヒューマノイド軌道生成を安定化 研究論文を公開

何が起きたか

arXivに2025年9月29日付で掲載された論文『Stabilizing Humanoid Robot Trajectory Generation via Physics-Informed Learning and Control-Informed Steering』は、ヒューマノイドロボットの軌道生成を安定化する新手法を提案した。提案手法は、物理則を学習に組み込む物理情報学習と、推論時に比例積分(PI)制御を適用する制御情報ステアリングの2段階戦略を採用する。研究チームは、この手法をergoCubヒューマノイドロボットの複数の移動行動で検証し、実機上の複数のコントローラと互換性があることを示した。

詳細

近年のヒューマノイドロボット制御では、模倣学習により人間のデータから滑らかで人間らしい軌道を生成する手法が成功している。しかし、これらの手法は利用可能な動作データの量に制限され、システムと環境の相互作用を支配する物理法則に関する事前知識を組み込んでいない。そのため、物理法則に違反し、軌道が発散したり、接触が滑ったりして、実世界での安定性が損なわれる可能性がある。 提案手法は、この問題に対処するため、システムの既知の物理と基本的な制御原理を活用する。第一に、教師あり模倣学習中に物理事前知識をエンコードし、軌道の実現可能性を促進する。第二に、生成された出力状態に比例積分コントローラを直接適用し、推論時のドリフトを最小化する。実験では、物理情報損失が接触足速度をゼロにすることを促し、実機で複数のコントローラと互換性があり、生成軌道の精度と物理制約への適合性が大幅に向上したと報告している。

Key Facts

なぜ重要か

この研究は、模倣学習に基づくヒューマノイド軌道生成の実用性を高める可能性がある。物理則を学習に組み込むことで、データ不足や物理違反による不安定性を軽減し、実機での安定動作に寄与すると期待される。