安定したヒューマノイド歩行のための制約としての滑らかさ

- 人間型ロボットの全身制御ポリシーを学習する手法。 - 身体の滑らかさを上半身と下半身で分離し、それぞれを物理的な運動限界への明示的制約として扱う。 - 制約付き強化学習アルゴリズム DeCap (Decoupled Constraint-aware policy) を提案。 - 実世界の humanoid whole-body control タスクで評価。

- 既存の強化学習は報酬関数の補助項で滑らかさを課すため、タスク目的と競合し、身体を均一に扱い、滑らかさの物理量を直接制御できない。 - DeCap は滑らかさを上半身・下半身の制約グループに分離し、明示的な制約として定式化。 - 報酬ベースの滑らかさポリシーと比べ、上半身の action rate を 2.50 倍、acceleration を 2.18 倍低減。 - 下半身の滑らかさも改善し、過渡運動を低減。 - 固定した滑らかさ制約が多様な地形に転移し、報酬チューニングの必要性を軽減。

- 制約付き強化学習アルゴリズム DeCap を導入。 - 全身の滑らかさを上半身と下半身の別々の制約グループに分離。 - 各グループで滑らかさを物理的な運動限界への明示的制約として定式化。 - 実行可能境界近傍での制約充足を改善するため、限界に近づくと先制的に作動し、制約限界で有界に留まる bounded barrier penalty を組み込む。

- 実世界の humanoid whole-body control タスクで検証。 - 報酬ベースの滑らかさポリシーと比較し、上半身の action rate を 2.50 倍、acceleration を 2.18 倍低減。 - 下半身の滑らかさ改善と過渡運動の低減を確認。 - 固定した滑らかさ制約が多様な地形に転移することを実証。

- 滑らかさは身体全体で均一ではなく、下半身は十分に反応的、上半身は安定性のため厳密に調整する必要がある。 - 報酬ベースの滑らかさはタスク目的と競合し、身体を均一に扱い、物理量を直接制御できない。 - DeCap は制約として滑らかさを扱うことでこれらの問題に対処。 - 固定制約が多様な地形に転移し、報酬チューニングの必要性を軽減。 - その他の議論や限界は要旨からは不明。

- 要旨で参照/比較されている研究: reward-based smoothness policies。 - 関連手法: constrained reinforcement learning、bounded barrier penalty。 - 同分野の定番: humanoid whole-body control、reinforcement learning for locomotion。 - 具体的な論文名は要旨からは不明。