フィードバック変調による四足歩行の調和ポリシー

- 四足歩行の学習ポリシーを、関節軌道をコマンド条件付きFourier級数で表現し、フィードバックでオンライン修正する手法。 - context networkがFourier係数とフィードバックネットワークの重みを生成し、関節オフセット、harmonic gain、周波数、位相を調整。 - シミュレーションでMLPポリシーの隠れ活性と比較し、Unitree Go2で実機検証。

- 従来の観測から関節アクションへの直接マッピングでは歩行の周期性が暗黙的。 - 提案手法はFourier級数で明示的に周期構造を表現し、フィードバックで修正可能。 - MLPでも動的モード分解により足高振動周波数と第2高調波近傍の活性モードが現れ、明示的Fourier生成器なしでも周期性が存在することを示唆。

- 各関節軌道をコマンド条件付きFourier級数で表現。 - context networkがFourier係数とper-step feedback networkの重みを生成。 - フィードバックネットワーク出力が関節オフセット、harmonic gain、周波数、位相を実行中に調整。 - シミュレーションでMLPポリシーの隠れ活性を動的モード分解で解析。

- シミュレーションで提案手法の明示的周波数構造とMLPポリシーの隠れ活性を比較。 - harmonic波形が指令速度に応じて周波数と形状を変化させることを確認。 - MLPロールアウトの動的モード分解で足高振動周波数と第2高調波近傍の支配的活性モードを発見。 - Unitree Go2でシミュレーション学習済みharmonic controllerが暫定オンボード推定ピーク速度3.67 m/sを記録し、別試行で最大5.883 kgの負荷を運搬。

- 要旨からは不明。

- 要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、四足歩行の学習ベース制御（例: model-free RL, MPC, trajectory optimization）や周期パターン生成器（CPG）に関する論文が挙げられる。