不整地での脚式移動向け軌道レベル自動カリキュラム学習を提案 成功率56.3%向上

何が起きたか

2026年8月17日にarXivで公開された論文(識別番号: 2608.16164v1)において、不整地での脚式移動のための軌道レベル自動カリキュラム学習フレームワークが提案された。このフレームワークは、不整地マップから直接訓練タスクを生成し、評価器が現在のポリシーに対する難易度関数を学習し、サンプラーがその評価に基づいて新しい軌道を提案する閉ループを形成する。実験では、カリキュラムなしの直接訓練と比較して軌道成功率を56.3%向上させ、手作りカリキュラムと比較して最も困難な地形タスクで18.5%、同一障害物への多方向からの進入評価では最大39.74%の成功率向上を達成したと報告されている。

詳細

不整地での移動ポリシーの訓練では、初期の探索失敗を避けるためにカリキュラム学習が必要とされる。しかし、不整地には明示的な難易度順序が存在しないため、既存手法はパラメータ化された地形に対するヒューリスティックなカリキュラムに頼っていた。この抽象化は、ポリシーがほぼ固定された知覚パターンに過適応する可能性があり、一般化を制限するという問題があった。 提案されたフレームワークは、不整地マップから直接訓練タスクを生成することでこの問題に対処する。各カリキュラム更新時に、評価器が現在のポリシーに対する難易度関数を学習し、与えられた軌道タスクを難易度スコアにマッピングする。その後、サンプラーが学習された評価器に導かれて新しい軌道を提案し、次のポリシー更新のカリキュラムとする。これにより、カリキュラムが進化するポリシーに反復的に適合する閉ループが形成される。 定量的および定性的な実験により、このフレームワークが不整地で効果的なカリキュラムを継続的に提供することが示された。具体的には、カリキュラムなしの直接訓練と比較して軌道成功率を56.3%向上させた。また、手作りカリキュラム学習と比較して、最も困難な地形タスクでは18.5%、同一障害物タイプへの多方向からの進入を評価した場合には最大39.74%の成功率向上を達成した。

Key Facts

なぜ重要か

この研究は、不整地での脚式移動ポリシーの訓練におけるカリキュラム設計の課題に対処するものであり、既存のヒューリスティックな手法に代わる自動化されたアプローチを提供する。提案手法は、地形マップから直接タスクを生成することで一般化を改善し、成功率の大幅な向上を示しており、脚式ロボットの実世界展開に向けた訓練効率と性能の向上に寄与する可能性がある。