何が起きたか

研究チームは2022年12月15日付でarXivに公開した論文「Sim-to-Real Transfer for Quadrupedal Locomotion via Terrain Transformer」において、四足歩行ロボットの制御向けTransformerモデル「Terrain Transformer (TERT)」を発表した。TERTは、オフライン事前学習とオンライン補正の2段階訓練フレームワークを採用し、特権情報を用いた訓練とTransformerを統合する。シミュレーション実験では、複数の地形においてリターン、エネルギー消費、制御の滑らかさの点で最先端のベースラインを上回った。実世界検証では、砂場や階段降りを含む9種類の困難な地形を走破し、強力なベースラインでは達成できなかったと報告されている。

詳細

従来のニューラルネットワークは容量と拡張性に限界があり、複雑な環境での応用を妨げる可能性がある。一方、Transformerアーキテクチャは、自然言語処理や意思決定問題など、大規模な系列モデリングタスクで優位性を示してきた。TERTはこのTransformerを四足歩行制御に応用したもので、シミュレーションから実世界への転移（sim-to-real）を効果的に行うために、オフライン事前学習とオンライン補正の2段階訓練を導入した。この枠組みにより、特権的な情報を用いた訓練をTransformerと自然に統合できる。

Key Facts

研究チームは2022年12月15日付でarXivに論文を公開した（ソース0）。[1]
提案モデルは「Terrain Transformer (TERT)」と呼ばれる高容量Transformerモデルである（ソース0）。[1]
TERTはオフライン事前学習とオンライン補正の2段階訓練フレームワークを採用する（ソース0）。[1]
シミュレーション実験で、TERTは異なる地形においてリターン、エネルギー消費、制御の滑らかさの点で最先端のベースラインを上回った（ソース0）。[1]
実世界検証で、TERTは砂場と階段降りを含む9種類の困難な地形を走破した（ソース0）。[1]
強力なベースラインでは、砂場と階段降りを達成できなかった（ソース0）。[1]

なぜ重要か

TERTは、Transformerアーキテクチャを四足歩行制御に適用し、シミュレーションから実世界への転移を可能にする新しい枠組みを示した。これにより、複雑な地形でのロボットの適応能力が向上し、従来手法では困難だった環境での運用が期待される。