足場制約地形におけるヒューマノイドのためのワールドモデル拡張視覚歩行

本論文は、足場制約地形（stepping stones、gaps、狭い階段）におけるヒューマノイドの視覚 locomotion のための新しい手法 WM-LOCO を提案する。これは、recurrent world model と PPO policy を共同訓練し、proprioception と単一の onboard depth image から予測的特徴を生成して foot placement を導く。シミュレーションと実機 Unitree G1 で検証され、高い成功率を示す。

従来の手法は、主に即時視覚情報に基づいて foot placement を決定するため、足場が疎で不連続な地形では失敗しやすい。WM-LOCO は、近未来の観測と報酬の予測的サマリーを学習することで、事前情報を提供し、explicit foothold labels を必要としない点が新しい。

手法の核心は、recurrent world model と PPO policy の共同訓練にある。world model は、proprioception と単一の depth image を条件として、予測的 recurrent feature を生成し、それが policy をガイドする。explicit foothold labels は使用しない。

シミュレーションでは、gaps と stepping stones で matched baseline が完全に失敗する状況で WM-LOCO が成功し、stairs では baseline と同等の成功率を維持しつつ、stride efficiency を改善し pelvis acceleration を低減した。実機 Unitree G1 では、onboard proprioception と単一の depth stream を用いて、3種類の地形すべてを平均成功率 93.3% で traversed した。

要旨からは、議論の詳細は不明。ただし、提案手法が即時視覚情報のみに依存する baseline より優れていること、実機展開の成功が示されているが、計算コストや汎化性に関する議論は要旨には含まれていない。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、foot placement のための視覚 locomotion に関する研究（例：Deep reinforcement learning を用いた locomotion policy や、world model を用いた計画手法）が挙げられる。具体的には、"Learning robust perceptive locomotion for quadrupedal robots in the wild" や "Dreamer" シリーズなどが関連する。