ヒューマノイドロボットの階層的生成モデルによる自律タスク完了を実証

何が起きたか

arXivに2023年8月15日に公開された論文「Hierarchical generative modelling for autonomous robots」において、研究者らは、人間の運動制御の深い時間的アーキテクチャを模倣した階層的生成モデルを提案した。このモデルを用いて、ヒューマノイドロボットが、移動、操作、把持を統合的に必要とする複雑なタスクを自律的に完了できることを、数値シミュレーションと物理シミュレーションで実証した。具体的には、箱を回収して運搬し、ドアを開けて通り抜け、サッカーボールに近づいてキックする動作を、身体損傷や地面の不規則性がある中でもロバストに実行できることを示した。

詳細

本研究は、人間が環境と相互作用する際に、個々の四肢の動きを計画・実行・組み合わせることで複雑な全身運動を生み出すという運動制御の基本的側面に着目する。提案手法は、人間の運動制御の深い時間的アーキテクチャを模倣した多段階計画を備えた階層的生成モデルを採用する。ここで「時間的深さ」とは、前方モデルまたは生成モデルの連続するレベルが展開される入れ子状の時間スケールを指し、例えば物体を届けるには、四肢の複数の局所的な動きの高速な協調を文脈化するためのグローバルな計画が必要となる。 この時間スケールの分離はロボティクスと制御の動機付けにもなる。具体的には、多用途の感覚運動制御を達成するには、個々の四肢の計画と低レベルの運動制御を階層的に構造化することが有利であるとしている。研究者らは、数値シミュレーションと物理シミュレーションを用いて実験を行い、この定式化の有効性を確立した。 実験では、階層的生成モデルを用いて、ヒューマノイドロボットが移動、操作、把持を統合的に必要とする複雑なタスクを自律的に完了できることを示した。具体的には、箱を回収して運搬し、ドアを開けて通り抜け、サッカーボールに近づいてキックする動作を実証し、身体損傷や地面の不規則性がある中でもロバストな性能を示した。研究者らは、人間に着想を得た運動制御アルゴリズムの有効性を実証し、この手法が困難な目標指向タスクの自律的完了のための実行可能な階層的アーキテクチャを提供すると結論付けている。

Key Facts

なぜ重要か

この研究は、人間の運動制御の時間的階層構造をロボット制御に応用することで、複雑なタスクを自律的に完了するための実行可能なアーキテクチャを提案している。移動・操作・把持を統合したタスクをロバストに実行できることを示した点で、今後のヒューマノイドロボットの自律制御の発展に寄与する可能性がある。