Unitree H1-2、狭路歩行を強化学習で実現 動的バランス機構を提案

何が起きたか

2025年2月24日に公開された論文(arXiv:2502.17219v2)で、研究チームは動的バランスと強化学習(RL)を用いた新しい全身歩行アルゴリズムを提案した。このアルゴリズムは、フルサイズのUnitree H1-2ロボットで検証され、視覚やLiDARなどの外部知覚を使わず、 proprioception(自己受容感覚)のみで狭い経路や予期しない障害物を渡ることを可能にする。実験では、極端に狭い地形や外乱下でのバランス維持に成功したと報告されている。

詳細

従来の歩行アルゴリズムは、歩容ベースまたは知覚条件付き報酬に依存しており、観測不能な障害物や突然のバランス喪失に対処する効果的なメカニズムが欠けていた。提案手法では、拡張されたZero-Moment Point(ZMP)駆動報酬とタスク駆動報酬を全身アクター・クリティックフレームワークに組み込み、上肢と下肢の協調動作を実現する。これにより、動的バランス機構を導入し、外部知覚なしで極端な地形を横断できるとしている。 実験はフルサイズのUnitree H1-2で実施され、極端に狭い地形や外部擾乱下でのバランス維持能力が確認された。論文では、この手法が複雑な環境へのロボットの適応性を高めることを示している。動画はプロジェクトページ(https://whole-body-loco.github.io)で公開されている。

Key Facts

なぜ重要か

この研究は、外部知覚に依存せず proprioceptionのみで極端な地形を歩行する手法を提案し、ヒューマノイドロボットの適応性向上に寄与する。従来の歩行アルゴリズムの限界を克服する可能性があり、災害現場や不整地などでの応用が期待される。