ヒューマノイドの不整地歩行制御、Transformerと強化学習で実現 バークレーで4マイルのハイキングコースを走破

何が起きたか

研究チームは2024年10月4日にプレプリントサーバーarXivで、ヒューマノイドロボットの不整地歩行制御に関する論文『Learning Humanoid Locomotion over Challenging Terrain』を公開した。提案手法は、自己受容的な観測と行動の履歴に基づき次の行動を予測するTransformerモデルを用い、まず平坦地の軌跡データでシーケンスモデリングにより事前学習し、その後、不整地で強化学習により微調整する。実機評価では、粗い地面、変形しやすい地面、傾斜面など多様な地形でロバストな性能を示し、バークレーのハイキングコース4マイル以上とサンフランシスコの急坂を走破したと報告している。

詳細

従来の古典的制御器は広範な地形への一般化が難しく、学習ベースの手法は主に緩やかな地形に焦点を当ててきた。本研究は、こうした課題に対し、Transformerモデルを用いたブラインド歩行制御を提案する。モデルは、自己受容的な観測と行動の履歴から次の行動を予測し、平坦地のデータセットで事前学習した後、不整地で強化学習により微調整される。このアプローチにより、モデルは文脈内適応や創発的な地形表現を示したとしている。実世界のケーススタディでは、バークレーのハイキングコース4マイル以上とサンフランシスコの最も急な通りのいくつかを走破した。

Key Facts

なぜ重要か

ヒューマノイドロボットの実用的な移動能力向上に寄与する可能性がある。従来の学習ベース手法が対象としてこなかった過酷な地形での歩行を可能にすることで、災害救助や物流など実環境での応用が期待される。