歩行2026/8/16arXiv:2608.15766v1

Tac4Loco: ヒューマノイド歩行のための時空間足底圧表現の学習

Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion

ヒューマノイドロボットの歩行制御において、足底圧力の空間的トポロジーを保持した表現を学習し、シミュレーションと実機のセンサ信号を共通の観測空間にマッピングすることで、不整地での適応的な歩行を実現するフレームワークを提案した。

詳しい要約

1. どんなもの？

Tac4Locoは、ヒューマノイドロボットの歩行制御に多点アレイの足底圧力を直接フィードバックとして組み込む触覚知覚フレームワークである。シミュレーションと実機のセンサ信号を共有観測空間に写像する位相保存順序表現を導入し、空間・時間表現を抽出するデュアルブランチエンコーダを用いる。学習した時空間特徴を地形推定を含む拡張プロプリオセプションと統合し、非対称アクター・クリティックアーキテクチャでポリシー学習を行う。傾斜、部分支持、非対称、変化する支持面での追従性能と支持適応を改善し、未見の柔軟・非構造地形（フォームプラットフォーム、砂利道）へのゼロショット展開を実証する。

2. 先行研究と比べてどこがすごい？

既存の歩行ポリシーは主にプロプリオセプションまたは外部受容的な地形知覚に依存しており、前者は足底支持の間接的な証拠しか得られず、後者は接地前に接触条件を予測するが実際の支持をリアルタイムで観測できない。一部の研究は足底接触を補助知覚として組み込むが、要約統計量に依存し、足底圧力の空間トポロジーを無視している。Tac4Locoは多点アレイ圧力を直接フィードバックとして用い、空間トポロジーを保存する表現を導入することで、実現された接触状態をより直接的に特徴付ける点が新しい。

3. 技術・手法の肝は？

手法の肝は、シミュレーションと実機のセンサ信号を共有観測空間に写像する位相保存順序表現の定式化と、空間・時間表現を抽出するデュアルブランチエンコーダの設計である。さらに、地形推定キューを含む拡張プロプリオセプションと学習した時空間特徴を統合し、非対称アクター・クリティックアーキテクチャでポリシー学習を行う点が重要である。

4. どうやって有効だと検証した？

シミュレーションと実世界の広範な実験により、傾斜、部分支持、非対称、変化する支持面での追従性能と支持適応の改善を実証した。さらに、未見の柔軟・非構造地形（フォームプラットフォーム、砂利道）へのゼロショット展開も示した。

5. 議論はある？

要旨からは、提案手法の限界や他の手法との比較に関する議論は明示されていない。ただし、ゼロショット展開の成功は示されているが、実機での堅牢性や計算コスト、センサの耐久性などについては言及がない。また、位相保存順序表現の理論的保証や、他の触覚センサへの一般化可能性については不明である。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、プロプリオセプションに基づく歩行ポリシー、外部受容的な地形知覚、足底接触を補助知覚として用いる研究が挙げられる。具体的な論文名は不明だが、これらの分野の定番論文（例：強化学習による歩行制御、触覚センサを用いた接触状態推定）を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ziyun Liu, Sikai Guo, Zheng Li, Jiahang Cao, Haichao Liu, Pei Qu, Yinghong Zhang, Jinni Zhou, Jun Ma

分類: cs.RO

原文アブストラクト

Humanoid robots are expected to traverse complex terrains, where the plantar support may vary dramatically due to foot placement errors, ground properties, and transient dynamics. To achieve robust locomotion, the robots are required to adapt to uneven terrain and uncertain foot--ground interactions. Existing locomotion policies rely primarily on proprioception or exteroceptive terrain perception, where the former provides only indirect evidence of plantar support, while the latter predicts contact conditions before touchdown but cannot observe the actual support in real-time. Although some studies incorporate plantar contacts as an auxiliary perception, they rely mainly on summary statistics, overlooking the spatial topology of plantar pressure, which provides a more direct characterization of the realized contact state. To bridge this gap, we present Tac4Loco, a tactile-perceptive framework that incorporates multi-array plantar pressure as direct feedback for humanoid locomotion. We formulate a topology-preserving ordinal representation to map simulated and physical sensor signals into a shared observation space, with a dual-branch encoder for extracting their spatial and temporal representations. Subsequently, the learned spatiotemporal features are integrated with augmented proprioception including terrain estimation cues, and provided to an asymmetric actor-critic architecture for policy learning. Extensive simulation and real-world experiments demonstrate improved tracking performance and support adaptation on terrains with inclined, partial, asymmetric, and changing support. We further demonstrate its zero-shot deployment on unseen compliant and unstructured terrains, including a foam platform and a gravel road. All code and experimental configurations will be released as open-source to facilitate reproducibility.

arXivで原文を読む →arXiv概要ページ

← 論文一覧