RL制御の四足ロボット、55cmの跳躍距離と38cmの高さを達成 インピーダンス整合でsim-to-realギャップを低減

何が起きたか

研究チームは、arXivに掲載された論文(2024年4月23日付)で、強化学習(RL)による四足ロボットの走行ジャンプを実現する新しいフレームワークを発表した。このフレームワークは、シミュレーションと実機の間のインピーダンス整合を周波数領域解析に基づいて行うことで、sim-to-realギャップを低減する。提案手法を用いて学習されたポリシーは、跳躍距離55cm、高さ38cmを達成し、実機の四足ロボットにおけるRLベースの制御ポリシーとしては、最高かつ最長の走行ジャンプの一つであるとしている。

詳細

動物の驚異的な運動能力を再現することは、ロボット制御における長年の課題である。強化学習(RL)は動的な脚式移動制御で大きな進歩を示してきたが、シミュレーションと実機の差(sim-to-realギャップ)が大きく、実機での真に動的な動作の実証を妨げることが多い。提案フレームワークは、このギャップを周波数領域解析に基づくインピーダンス整合によって緩和する。これにより、シミュレーションにおけるパラメータ選択とダイナミクスランダム化の範囲に関する構造化されたガイドラインが提供され、安全なsim-to-real転送を容易にする。 達成された跳躍高さは、与えられたロボットハードウェアの物理的限界と見なされる最先端の軌道最適化手法で得られた結果の約85%に相当する。さらに、制御ポリシーは前後方向に最大2m/s、横方向に1m/sの安定歩行も達成した。

Key Facts

なぜ重要か

この研究は、RLベースの制御ポリシーによる動的な走行ジャンプを実機で実証し、sim-to-realギャップを低減する手法を提案した点で重要である。インピーダンス整合に基づくパラメータ選択のガイドラインは、他のロボット制御タスクにも応用可能であり、RLの実機適用の信頼性向上に寄与する可能性がある。