HLO-AMP、物体を含む動作模倣で二腕の箱運搬を実現

何が起きたか

arXiv掲載の研究「HLO-AMP」は、物体を操作する動作の模倣を通じて低レベル制御器を学習し、その上に高レベル方策を重ねる枠組みを提示した。Unitree G1を用いた両腕での箱の把持・移動で、同一の実行ポリシーが物体の質量・寸法、初期位置・目標位置の違いに対応し、運搬中に箱を意図的に落とした後の回復も示した。

詳細

低レベル制御器は、下流タスクの基本動作を含む、モーションキャプチャー（MoCap）参照動作をロボット向けにリターゲットして模倣学習する。訓練シーンには操作対象の物体を物理的に含め、同制御器を物体を考慮した動作事前分布として扱う。高レベル方策は参照動作を使わずに訓練され、低レベル制御器の訓練データから得た動作範囲に行動を制約する。これにより、低レベル側の学習分布から外れる指令を構造的に抑える設計だ。 研究はUnitree G1で両腕による箱のピック・アンド・プレースを実装した。要旨は、質量・寸法、初期・目標位置の変化への一般化と、運搬中の意図的な落下からの反応的な回復を報告している。

Key Facts

本紙の見方

この研究の軸は、ロボット全身制御器をタスクごとの報酬設計で調整するのではなく、物体を含む動作模倣から低レベルの動作事前分布を作る点にある。要旨によれば、従来の構成では操作対象をシーンから外し、手先へのランダムな力で物体の影響を近似する場合がある。HLO-AMPは物体が腕や胴体に及ぼす接触を訓練時に扱い、その低レベル制御器に高レベル方策を接続する。物体を含めた学習と、上位方策の行動範囲を低レベル訓練データに沿わせる設計が組み合わさっている点が新しい。一方、全身制御とタスク方策を階層化する構成自体は、研究が説明する既存のパイプラインの延長にある。 本紙が11月2日付で紹介したソウル大の研究チーム、歩行と物体操作を連携するAIを開発も、歩行と物体操作を結び付ける研究として位置付けられる。ただし、同記事の要旨は別々に収集した歩行・操作データの組み合わせを扱い、HLO-AMPの要旨は、物体を含む動作模倣を低レベル制御器に使う方式を説明している。両者を同一の手法や性能として扱うことはできない。 構成上は、リターゲットしたMoCap動作が低レベル側の学習入力となり、物体との接触を含む制御が高レベル方策の指令を受けて多段階の箱操作を実行する。単に箱を持ち上げる動作を学ぶのではなく、運搬中の落下からの回復までを同一ポリシーで示したことは、タスクの途中で状態が変わる場合も評価対象にしたことを意味する。ただし、要旨だけでは質量・寸法の具体値や成功率、試行数、動作時間は確認できず、実験環境の詳細も分からない。したがって、報告された一般化の範囲を量産機の稼働性能や実環境での信頼性に直結させることはできない。次に確認すべきなのは、条件ごとの定量評価、落下以外の失敗への対応、訓練時と異なる物体・環境での再現性である。現段階では、物体との接触を学習構成に組み込む提案と、特定の箱操作タスクでの実装結果を分けて評価する必要がある。

なぜ重要か

操作対象の接触を訓練シーンに含めることで、手先へのランダムな力による近似とは異なる形で、物体を持つ際の影響を低レベル制御器に取り込む設計を示した。Unitree G1での箱操作では、物体条件の変化と運搬中の落下後の回復を同一ポリシーで評価しており、物体を扱うヒューマノイド制御の検証項目を考える上で具体的な事例となる。