全身制御2026/9/14arXiv:2609.16405

不完全な追従目標下での衝突回避型ヒューマノイド全身制御

Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets

シーン形状を考慮しない全身制御器に、ロボット・環境間のクロスアテンション層を追加し、目標追従と衝突回避を両立させる手法を提案。シミュレーションと実機Digit V3で有効性を検証した。

詳しい要約

1. どんなもの？

- 人型ロボットの whole-body controller (WBC) は目標追従とバランス維持を行うが、シーン形状を考慮しないため、知覚・計画・遠隔操作の誤りによる幾何学的に危険な目標動作で衝突が起こりうる。 - 本研究は RECAL (Robot--Environment Cross-Attention Layer) を提案する。 - RECAL は blind WBC をラップし、外部シーン形状を用いて目標追従と衝突回避をトレードオフする。 - floating-base および end-effector コマンドの衝突対応追従をサポートし、保持物体の衝突回避も含む。 - ロボット・保持物体・環境を point cloud で表現し、cross-attention で幾何認識制御特徴を生成する。

2. 先行研究と比べてどこがすごい？

- 従来の WBC はシーン形状を無視するため、不完全な目標動作で衝突が生じる。 - 既存の geometry-aware WBC アーキテクチャと比較して、RECAL は目標追従性能を維持しつつ衝突回避を改善する。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は？

- RECAL は Robot--Environment Cross-Attention Layer であり、blind WBC をラップする。 - ロボット、保持物体、環境を point cloud として表現する。 - ロボット/物体の点群と環境の点群間の cross-attention を用いて、geometry-aware な制御特徴を生成する。 - これにより目標追従と衝突回避のトレードオフを実現する。

4. どうやって有効だと検証した？

- シミュレーションで frozen-arm および adaptive-arm locomotion、object-carrying、standing-manipulation のシナリオにおいて、代替の geometry-aware WBC アーキテクチャと比較して衝突回避を改善しつつ目標追従性能を維持することを示した。 - 実機 Digit V3 humanoid robot 上でコントローラを実証した。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、whole-body control (WBC)、geometry-aware WBC、cross-attention を用いたロボット制御、point cloud ベースの衝突回避に関する論文が挙げられる。

※ 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: Mohitvishnu S. Gadde, Ashish Malik, Pranay Dugar, Aayam Kumar Shrestha, Alan Fern

分類: cs.RO

原文アブストラクト

Humanoid robots often execute motion commands through whole-body controllers (WBCs) that track targets while maintaining balance and stability. However, most WBCs are blind to scene geometry, which can lead to collisions from imperfect target motions that are geometrically unsafe due to perception, planning, or teleoperation errors. We propose RECAL, a Robot--Environment Cross-Attention Layer that wraps a blind WBC to trade off target tracking against collision avoidance using external scene geometry. RECAL supports collision-aware tracking of floating-base and end-effector commands, including collision avoidance for held objects. It represents the robot, held objects, and environment as point clouds, using cross-attention between robot/object points and the environment to produce geometry-aware control features. In simulation, RECAL improves collision avoidance while preserving target-tracking performance across frozen-arm and adaptive-arm locomotion, object-carrying, and standing-manipulation scenarios relative to alternative geometry-aware WBC architectures. We further demonstrate the controller on a real Digit V3 humanoid robot.

arXivで原文を読む →arXiv概要ページ