何が起きたか

2022年10月26日にarXivで公開された論文「ViNL: Visual Navigation and Locomotion Over Obstacles」において、四足ロボットが未知のアパート内をナビゲートしながら、進路上の小さな障害物（靴、おもちゃ、ケーブルなど）をまたいで進むことを可能にする手法が発表された。この手法は、視覚ナビゲーションポリシーと視覚 locomotion ポリシーの2つから構成され、それぞれ異なるシミュレータで独立に訓練され、ゼロショットで統合される。

詳細

ViNLは、人間やペットが歩行中に足を上げて物体をまたぐように、四足ロボットが障害物を回避しながら移動することを目指す。ナビゲーションポリシーは、未知の屋内環境で目標座標までロボットを導くための線速度と角速度のコマンドを出力する。一方、locomotion ポリシーは、与えられた速度コマンドに従いながら障害物を踏まないようにロボットの関節を制御する。両方のポリシーは「モデルフリー」であり、センサーからアクションへのニューラルネットワークとしてエンドツーエンドで訓練される。 従来の研究では視覚ナビゲーションまたは視覚 locomotion のいずれかを個別に扱っていたが、ViNLは視覚を用いて両方を達成する初の完全学習ベースのアプローチであると主張されている。実験では、未知環境での遠距離目標へのナビゲーションタスクにおいて、特権的な地形マップを用いた従来のロバストな locomotion 手法と比較して、成功率が32.8%向上し、1メートルあたりの衝突数が4.42回減少した。また、アブレーション研究により、各要素が障害物衝突の低減に寄与することが示された。

Key Facts

ViNLは、四足ロボットが未知のアパート内をナビゲートしながら、靴、おもちゃ、ケーブルなどの小さな障害物をまたいで進むことを可能にする。[1]
ViNLは、視覚ナビゲーションポリシーと視覚 locomotion ポリシーの2つから構成される。[1]
ナビゲーションポリシーは、目標座標までの線速度と角速度のコマンドを出力する。[1]
locomotion ポリシーは、速度コマンドに従いながら障害物を踏まないようにロボットの関節を制御する。[1]
両方のポリシーはモデルフリーであり、センサーからアクションへのニューラルネットワークとしてエンドツーエンドで訓練される。[1]
2つのポリシーは異なるシミュレータで独立に訓練され、ゼロショットで統合される。[1]
従来の特権的な地形マップを用いた手法と比較して、成功率が32.8%向上し、1メートルあたりの衝突数が4.42回減少した。[1]
アブレーション研究により、各要素が障害物衝突の低減に寄与することが示された。[1]

なぜ重要か

この研究は、視覚情報のみを用いてナビゲーションと障害物回避を同時に達成する初の完全学習ベースの手法を提案しており、四足ロボットの実環境での自律移動性能向上に寄与する可能性がある。従来手法と比較して成功率と衝突回避性能が大幅に向上した点は、ロボットの実用化に向けた重要な進展といえる。