惑星探査ローバー用の能動関節サスペンション、強化学習で不整地走行を実現

何が起きたか

2026年6月5日にarXivで公開された論文において、能動関節サスペンションを備えた4輪惑星探査ローバー「ERNEST」が発表された。このローバーは強化学習で訓練された単一のニューラルネットワーク制御により、岩場や段差、砂地などの不整地を自律走行できる。実験では、20度の乾燥砂斜面で輸送コストを37%削減し、受動サスペンションでは動けなくなる湿砂でも走行に成功した。

詳細

ERNESTは、2自由度の能動ジンバルサスペンション（ヨーとロールのアクチュエーション）を備え、車輪の再構成、ステアリング、能動的な荷重再配分を可能にする。制御には単一のニューラルネットワークを使用し、高忠実度シミュレーションエンジン「DARTS」上で強化学習フレームワークを構築した。DARTSは剛体接触力学とBekker-Wongテラメカニクスを組み合わせており、緩い土壌条件に適応した移動戦略の創発を可能にする。異種地形に対応するため、地形特化エージェントの経験を統合するポリシー統合戦略を採用し、明示的な地形分類やコントローラ切り替えを不要にした。制御器は、プロプリオセプティブおよびエクステロセプティブなフィードバック（スパースなステレオ由来の地形標高、シャシ姿勢、関節状態、力トルク測定）を利用する。ドメインランダム化、センサノイズ注入、モデルから実機へのシステム同定により、実機へのゼロショット転移を達成した。実験では、岩場、ビックラートラップ（バンプ障害物）、車輪高の段差、砂の波紋、砂斜面を自律走行した。

Key Facts

本紙の見方

今回の発表は、惑星探査ローバーのサスペンション設計に能動的な関節機構を導入し、その制御を強化学習で単一のニューラルネットワークに統合した点で新規性がある。従来のローバーは受動サスペンションが主流であり、地形に応じた機構の再構成は困難だった。ERNESTは能動ジンバルサスペンションにより車輪の再構成や荷重再配分を可能にし、強化学習によってその複雑な制御を自動獲得する点が新しい。一方で、強化学習を用いた移動制御やシミュレーションから実機への転移は既存研究の延長線上にあり、手法自体は確立された枠組みを踏襲している。 本紙の過去報道との接続は、関連記事が提供されていないため直接の言及は避けるが、惑星探査ローバーの自律走行技術はNASAやJAXAなどの宇宙機関で長年研究されており、今回の成果はその流れに位置づけられる。 業界構造への含意としては、能動サスペンションの導入はローバーの機構設計に新たな選択肢を提供し、サプライチェーンにおいてはアクチュエータやセンサの需要を高める可能性がある。また、強化学習による制御は、地形分類やコントローラ切り替えを不要にするため、ソフトウェア開発の効率化につながる。 未確定の論点としては、実機での長期間運用における耐久性や消費電力、さらには火星や月などの実際の惑星環境での性能が挙げられる。また、単一のニューラルネットワークが多様な地形にどこまで汎化するか、追加の実験データによる検証が待たれる。

なぜ重要か

この研究は、惑星探査ローバーの不整地走行能力を向上させる可能性があり、将来の探査ミッションでの移動範囲拡大に寄与し得る。また、能動サスペンションと強化学習の組み合わせは、地上の不整地走行ロボットにも応用可能であり、ロボティクス分野全体に影響を与える可能性がある。