四脚ロボット「Dogger」、形態と制御の協調設計で移動コストを低減

何が起きたか

論文「Learning Purposeful Co-designs of Bio-inspired Quadrupedal Robots」が2026年11月2日に公開された。論文は、3分割のモジュール式脚、四節リンク、調整可能な受動膝コンプライアンスを備える四脚ロボット「Dogger」と、強化学習・ベイズ最適化を組み合わせた設計手法を示した。論文によると、この手法で選んだ設計と制御方策は、検査タスクで移動コストを18.6%、ペイロード搬送タスクで35.7%低減した。

詳細

手法は2段階で構成する。まず複数の設計にまたがって形態条件付き制御方策を学習し、その後、タスクに応じた設計選択の段階では方策を固定してベイズ最適化を行う。論文の要旨は、設計した機体と方策をゼロショットで適用した結果として、検査とペイロード搬送のそれぞれで移動コストの低減を報告している。 比較では、形状とコンプライアンスを全面的に協調設計する方法が、形状を固定する設計や設計範囲を制限した方法を上回った。異なるタスクでは異なる形態が選ばれる一方、機械設計上のトレードオフには共通点があると論文は述べている。

Key Facts

本紙の見方

この研究の焦点は、歩行制御を既存の機体に後付けするのではなく、脚の形状と受動的な柔軟性を制御方策と一体で選ぶ設計手順に置かれている。特に、複数の形態を使って制御方策を学習した後、その方策を固定してタスク別の機体設計を選ぶ構成は、制御を設計ごとに作り直す方式とは異なる。論文が報告する移動コストの低減幅は、検査とペイロード搬送で異なり、単一の最適形態ではなく用途に応じた設計選択を評価している点が要点だ。 比較結果では、形状とコンプライアンスを含む全面的な協調設計が、固定形状や制限された設計範囲を上回った。したがって、結果は制御学習だけで性能を高めるというより、学習・最適化に与える機械設計の選択肢そのものが、評価対象のタスクに関係することを示す。検査で18.6%、搬送で35.7%という差も、タスクによって改善幅が同一ではないことを示しており、用途を特定しない単一の性能値として扱うべきではない。 設計から導入までの連結で見ると、Doggerのモジュール式3分割脚、四節リンク、調整可能な受動膝コンプライアンスが探索対象となる機械側の条件であり、強化学習が形態条件付きの制御方策を作り、ベイズ最適化がタスクに合う設計を選ぶ。これは、機体の構造を固定したままソフトウェア側だけで適応させる考え方に対し、ハードウェアの設計空間を広げて制御とともに評価する位置づけである。一方、要旨に記された結果だけでは、実機の寸法・重量、試験条件、移動コストの算出方法、各タスクで選ばれた具体的な形態、反復試験の規模は確認できない。実環境での耐久性や、別の機体・作業への適用性も、この要旨からは判断できない。次に確認すべきなのは、報告された低減率の比較条件と、設計変更が機体の複雑さや保守性に与える影響である。

なぜ重要か

論文は、固定形状や制限された設計範囲より、脚の形状と受動膝コンプライアンスを含めて協調設計する方法が評価対象のタスクで優れたと報告している。検査とペイロード搬送で低減率が異なるため、四脚ロボットの設計では、用途ごとに機体形態と制御方策を合わせて評価する必要性が示された。