PGMT: 人型ロボットのための知覚的汎用動作追跡

PGMTは、人型ロボットの全身運動追従を複雑な地形でも可能にする知覚的汎用運動追従パイプラインである。地形に依存しない参照運動が物理的に実行不可能な場合でも、地形適応を学習する。運動参照と地形を独立に選択し、まず一般的な追従と回復の事前知識を学習し、その後、運動条件付き地形グリンプス（motion-conditioned terrain glimpses）を用いて地形知覚を組み込む。地形認識型の追従緩和により、運動の意図を保ちつつ参照からの必要な逸脱を許容する。Unitree G1でのゼロショット展開により、最大37cmの障害物を含む実世界の地形で頑健な地形適応移動と全身運動実行を実証し、遠隔操作、動的運動追従、転倒回復をサポートする。

従来の人型運動追跡手法は、平らな地面を前提とした地形非依存の参照に依存しており、複雑な地形では物理的に実行不可能な参照が含まれるため性能が低下していた。PGMTは、地形知覚を運動追従に統合し、地形に適応するための緩和を導入することで、平らな地面を超えた汎用の全身運動追従を可能にした点が新しい。また、単一のポリシーで地形適応移動、多様な全身行動、遠隔操作を統一的に扱う点も先行研究にはない。

PGMTの手法の核は、(1) 一般的な追従と回復の事前知識を学習する段階と、(2) 地形知覚を組み込む段階の2段階学習である。地形知覚には、現在の運動に関連する領域を選択的にエンコードするmotion-conditioned terrain glimpsesを用いる。さらに、terrain-aware tracking relaxationにより、参照運動の意図を保ちながら、地形に応じて必要な逸脱を許容する。これにより、地形非依存の参照が物理的に実行不可能な場合でも、ロボットは運動を実行できる。

Unitree G1ロボットを用いたゼロショット展開により検証した。実世界の地形で最大37cmの障害物を含む環境において、地形適応移動と全身運動実行の頑健性を実証した。また、遠隔操作、動的運動追従、転倒回復のサポートも確認した。

要旨からは、PGMTの限界や議論についての詳細は不明である。ただし、ゼロショット展開が成功している一方で、より複雑な地形や未知の運動に対する汎化性能、計算コスト、学習データの多様性などが今後の課題となる可能性が考えられるが、要旨には明記されていない。

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、人間の運動追跡のための強化学習ベースの手法（例えば、DeepMimicやPhysics-based character animation）、地形適応移動のための知覚的移動ポリシー（例えば、RMAやPerceptive Locomotion）、および人型ロボットの全身制御に関する研究が挙げられる。