歩行2026/8/21arXiv:2608.20823

ガイド付き支援カリキュラムと段階的報酬によるヒューマノイドの自然な立ち上がり動作合成

Natural Sit-to-Stand Motion Synthesis For Humanoids via Guided Assistance Curricula and Staged Rewards

強化学習を用いて、デモや参照軌道なしにヒューマノイドの自然な立ち上がり動作をゼロから合成する手法を提案。支援力と椅子の高さのカリキュラム、多様な初期姿勢、生体力学的報酬により、8段階の椅子の高さで97%以上の成功率を達成。

詳しい要約

1. どんなもの？

本論文は、ヒューマノイドロボットの自然な立ち上がり動作（sit-to-stand, STS）を、デモや参照軌道なしで強化学習により合成する手法を提案している。単一のProximal Policy Optimization (PPO)ポリシーが、滑らかで人間らしい立ち上がり動作を学習する。

2. 先行研究と比べてどこがすごい？

従来のSTS制御は、デモンストレーションや参照軌道を必要とするか、特定の椅子の高さに限定されることが多かった。本手法は、それらを必要とせず、複数の椅子の高さに一般化できる点が優れている。また、深い座位からの立ち上がりを可能にし、成功率も高い。

3. 技術・手法の肝は？

手法の核は3つの要素からなる。(i) 結合された力/椅子の高さカリキュラム：垂直方向の骨盤補助力が初期の探索を助け、訓練が進むにつれて減衰する。椅子の高さは、補助力の減衰とともに段階的に高くなる。(ii) 多数の逆運動学で生成された初期・目標姿勢をランダムにサンプリングすることで、動作のロバスト性を向上させる。(iii) 生体力学と最適制御の研究に着想を得た報酬関数群が、シートオフ時の角運動量を整形し、重心圧力の引き付け関数により支持領域の遷移を可能にし、滑らかで低い労力の動作を実現する。

4. どうやって有効だと検証した？

決定論的な力なし評価器を用いて、8つの椅子の高さにわたって97%以上のバランスの取れた立ち上がり成功率を達成した。また、ポリシーが椅子の高さをまたいで滑らかな動作に一般化し、最先端技術と比較してかなり深い座位から立ち上がれることを示した。

5. 議論はある？

要旨からは、提案手法の限界や、実機での検証、計算コスト、他の動作への適用可能性などについての議論は不明である。また、報酬関数の設計が複雑であり、ハイパーパラメータの調整が必要である可能性が考えられるが、詳細は不明。

6. 次に読むべき論文は？

要旨で参照されている研究は明示されていないが、関連する分野として、ヒューマノイドのSTS制御、強化学習による運動合成、生体力学に基づく報酬設計、カリキュラム学習などが挙げられる。具体的には、"DeepMimic"や"Learning Agile Locomotion"などの強化学習による運動合成の研究、"Sit-to-Stand"の生体力学的研究などが関連する。

※ 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: Meet Pal Singh, Vyankatesh Ashtekar, Ashish Dutta

分類: cs.RO

原文アブストラクト

A humanoid has infinitely many ways to stand up from sitting while maintaining balance, making sit-to-stand (STS) a challenging control problem. We synthesise natural humanoid STS motion from scratch using reinforcement learning, without demonstrations or reference trajectories. A single Proximal Policy Optimisation policy learns smooth, human-like rising driven by three complementary components. (i) A coupled force/chair-height curriculum is used. A vertical pelvis-assist force aids early trajectory exploration and decays over training. Taller chairs are unlocked with decaying assisting force. This ensures that the policy masters a viable STS trajectory at each chair height before being exposed to harder ones, avoiding the premature distribution shift that otherwise collapses generalisation. (ii) Motion robustness is achieved by randomly sampling from a large number of inverse kinematics-generated initial and target poses spanning over eight chair heights. (iii) A set of rewards is defined inspired from biomechanics and optimal control studies. They shape the robot's angular momentum for seat-off, and enable support-region transition via centre of pressure attraction function to ensure smooth low-effort actuation. On a deterministic force-free evaluator, the policy attains more than 97% balanced-standing success across eight chair heights. The policy generalises smooth motion across chair heights and enables the robot to rise from substantially deep-seated postures as compared to the state of the art.

arXivで原文を読む →arXiv概要ページ