車輪脚ロボットの姿勢制御、MHEと制約付きMPCをMuJoCoで評価

何が起きたか

論文は2026年11月3日、9.95 kgの車輪脚ロボットの矢状面バランス制御に、移動地平線推定（MHE）とオフセットフリーの制約付きモデル予測制御（MPC）を組み合わせる手法を発表した。MuJoCoでのシミュレーションでは、走行、しゃがみ、後退、お辞儀を含む動作列で、MPCとMHEの組み合わせの速度誤差はRMSで0.11 m/sとなり、真値の状態を使うLQRの0.24 m/sを下回った。未知の2 kgの積載と10 Nの向かい風を加えた条件では、風中の平均位置誤差は6 cmで、同じLQRでは81 cmだった。

詳細

MHEは仮想脚モデルに水平股関節力、胴体のピッチトルク、ジャイロのバイアスを加えて推定する。加速度計モデルでは予測した股関節加速度を取り除き、衝撃を検出した際にはプロセスノイズを増やす。MPCはモーターのトルク制限を超えないよう制約を扱い、事前に分からない外乱への対応を目指す構成だ。 評価はセンサーのノイズ、バイアス、量子化、遅延を模擬したMuJoCo上で行い、真値の状態、相補フィルター、同じMHEを用いるLQRと比較した。積載量と向かい風の3×4条件では、同じ推定器を使うLQRが12条件中3条件で転倒したのに対し、MPCは1条件だった。結果は平地のシミュレーションに限られ、実機での検証は今後の課題とされている。

Key Facts

本紙の見方

この研究の焦点は、外乱への対応を制御器だけに担わせず、状態推定と制約付き制御を一体で構成した点にある。MHEは水平股関節力や胴体ピッチトルク、ジャイロバイアスを推定モデルに取り込み、衝撃時にはプロセスノイズを増やす。一方、MPCはモーターのトルク制限を含む。したがって、提案手法は外乱を推定しながら、推定値に基づく操作がアクチュエーターの制約を超えないよう扱う構成と読める。単に高性能な状態推定器を示すのではなく、推定誤差や未知外乱を含む制御ループ全体を評価対象にしている。 結果の読み方では、比較条件の違いが重要になる。動作列のRMS速度誤差は、真値の状態を与えたLQRより提案手法が小さい。ただし、これは実センサーの状態推定を含む手法と、シミュレーション上の真値を使う基準との比較である。未知の積載と向かい風では位置誤差にも差が出た一方、3×4条件での転倒数は、提案手法と同じMHEを使うLQRの比較である。異なる指標・比較対象の結果を一括して「優位」とみなすのではなく、どの条件で何を比べた数値かを分けて読む必要がある。 車輪脚ロボットでは、脚の伸縮や衝撃吸収を伴う動作と、車輪による移動を同じ姿勢制御の枠内で扱う。今回のモデルが水平股関節力、胴体ピッチトルク、ジャイロバイアスを状態推定に取り込んだことは、車体の姿勢だけでなく、脚と胴体の運動やセンサー誤差も制御計算に関係することを示す。3×4条件での転倒数は外乱条件への頑健性を比較する材料だが、評価環境は平地のMuJoCoに限られるため、地形の不整や実機の機械的なばらつきに対する性能を示すものではない。 次に確認すべきなのは、実機でのセンサー遅延・ノイズや衝撃検出が推定器の想定どおり働くか、トルク制約を含む制御が実際のモーターと機体で再現されるかである。また、本文の結果だけでは、シミュレーション条件の変化に対する性能の幅や、平地以外での挙動は分からない。実験検証では、シミュレーションで示された誤差や転倒数と対応する条件を明示できるかが、手法の適用範囲を判断する焦点になる。

なぜ重要か

論文のシミュレーションでは、未知の積載と向かい風の条件で、提案手法の風中の平均位置誤差は6 cmだった一方、真値の状態を使うLQRでは81 cmだった。これは、外乱推定とトルク制約を含む制御を組み合わせる設計が、車輪脚ロボットのシミュレーション上の外乱応答に関係することを示すが、実機での有効性を裏づける結果ではない。