H-GAP、モーションキャプチャ由来データで汎用プランナーを実現 56自由度ヒューマノイド制御でMPCベースラインを上回る

何が起きたか

2023年12月5日、arxiv.orgに投稿された論文で、Humanoid Generalist Autoencoding Planner（H-GAP）が発表された。H-GAPは、人間のモーションキャプチャデータから派生したヒューマノイド軌道データセット（MoCapActなど）で訓練された状態行動軌道生成モデルであり、モデル予測制御（MPC）を用いて下流の制御タスクを処理する。56自由度のヒューマノイドで、オンライン相互作用からの学習なしに、新規の下流制御タスクを解決できることを実証した。

詳細

H-GAPは、状態行動軌道生成モデルであり、人間のモーションキャプチャデータから派生したヒューマノイド軌道データセット（MoCapActなど）で訓練される。56自由度のヒューマノイドを対象に、幅広い運動行動を表現・生成できることを実証した。オンライン相互作用からの学習なしに、プランニングを通じて新規の下流制御タスクに柔軟に転移できる。実ダイナミクスモデルにアクセスできる確立されたMPCベースラインを上回り、個別タスク向けに訓練されたオフライン強化学習手法と同等以上であるとしている。また、スケーリング特性に関する一連の実証研究を行い、追加データによる性能向上の可能性を示したが、計算量は増やさないとしている。コードとビデオはプロジェクトページで公開されている。

Key Facts

本紙の見方

今回のH-GAPの提案は、ヒューマノイド制御における「汎用プランナー」という新たなアプローチを示すものである。従来のヒューマノイド制御は、高次元の行動空間での最適化の難しさや、二足歩行の形態に起因する不安定性が課題とされてきた。H-GAPは、これらの課題に対して、モーションキャプチャデータから得られる豊富な軌道データを活用し、状態行動軌道の生成モデルを学習することで、オンライン学習なしに新規タスクへ転移できる点が新しい。これは、タスクごとに個別に学習するオフライン強化学習とは異なり、汎用的なプランナーとして機能することを目指している。 本紙の過去報道との接続は、関連記事が提供されていないため、直接の連続性を指摘することはできない。しかし、ヒューマノイド制御の分野では、データ駆動型アプローチが注目を集めており、H-GAPはその流れに位置づけられる。特に、MoCapActのような大規模データセットの活用は、シミュレーションから実機への転移を目指す研究の一環として重要である。 業界構造への含意としては、ヒューマノイドロボットの制御において、モデルベースのMPCと学習ベースの手法の融合が進む可能性がある。H-GAPは、MPCの枠組みの中で生成モデルを活用することで、実ダイナミクスモデルに依存しない制御を実現している。これは、実機での適用を考えた場合、ダイナミクスモデルの正確な同定が難しい状況でも有効なアプローチとなり得る。また、データ量の増加による性能向上の可能性が示されたことは、データ収集の重要性を再確認させる。 未確定の論点としては、H-GAPが実際の物理ロボットに適用された場合の性能や、シミュレーションと実機のギャップが挙げられる。また、スケーリング特性の研究では、データ量の増加が性能向上につながる可能性が示されたが、計算量を増やさないという制約の中で、どの程度のデータ量まで有効かは不明である。さらに、H-GAPの生成モデルがどのような運動行動を学習しているのか、その解釈可能性も今後の課題となるだろう。

なぜ重要か

H-GAPは、ヒューマノイド制御における汎用プランナーの可能性を示し、モデルベースと学習ベースの手法の融合を促進する。これにより、実機応用に向けた制御手法の選択肢が広がり、データ駆動型アプローチの重要性が再確認される。