何が起きたか
研究チームは2025年1月8日、arXivで「Bridging Adaptivity and Safety: Learning Agile Collision-Free Locomotion Across Varied Physics」と題する論文を公開した。この論文では、動的で不確実な環境下でも適応的な安全性を提供する脚式ロコモーション制御手法「BAS」を提案している。BASは、先行研究「Agile But Safe (ABS)」のパイプラインを基盤とし、アジャイルポリシー、リカバリーポリシー、物理パラメータ推定器、制御理論に基づくRA（リーチ・アビット）バリューネットワークで構成される。
詳細
BASは、動的環境下での不確実性（ペイロード、摩擦など）に対応するため、物理パラメータ推定器をアジャイルポリシーと同時に訓練し、アジャイルポリシーとRAネットワークの両方を物理パラメータに条件付けることで適応性を実現する。また、分布シフト問題を緩和するため、推定器のオン・ポリシー微調整フェーズを導入している。 シミュレーション結果では、BASは動的環境でベースラインより50%安全性が向上し、平均速度も高いまま維持した。実世界実験では、未知の物理特性（未知の摩擦を持つ滑りやすい床、最大8kgの未知のペイロード）を含む複雑な環境で能力を発揮し、ベースラインは適応性に欠け衝突やアジリティ低下を起こした。その結果、BASは実世界でABSと比較して速度が19.8%増加し、衝突率が2.36倍低下した。
Key Facts
| BASは先行研究Agile But Safe (ABS)のパイプラインを基盤としている | [1] |
| BASはアジャイルポリシー、リカバリーポリシー、物理パラメータ推定器、RAバリューネットワークで構成される | [1] |
| 物理パラメータ推定器はアジャイルポリシーと同時に訓練される | [1] |
| アジャイルポリシーとRAネットワークは物理パラメータに条件付けられる | [1] |
| 分布シフト問題を緩和するため、推定器のオン・ポリシー微調整フェーズを導入 | [1] |
| シミュレーションでBASは動的環境でベースラインより50%安全性が向上 | [1] |
| 実世界実験で未知の摩擦を持つ滑りやすい床、最大8kgの未知のペイロードに対応 | [1] |
| 実世界でBASはABSと比較して速度が19.8%増加 | [1] |
| 実世界でBASはABSと比較して衝突率が2.36倍低下 | [1] |
| 論文はarXivで2025年1月8日に公開された | [1] |
なぜ重要か
この研究は、脚式ロコモーションロボットが実世界の不確実な環境で安全性と機動性を両立するための新しい手法を提案している。物理パラメータ推定と制御理論を組み合わせることで、従来手法より高い適応性と安全性を実現しており、実世界での応用可能性を示している。