TactileStep: 足裏触覚学習によるヒューマノイド歩行の接地制御

- 人型ロボットの歩行制御において、足裏の触覚センシングを活用する学習フレームワーク「TactileStep」を提案。 - 足裏圧力センサ（pressure insole）からの触覚情報を歩行ポリシーに統合し、より柔らかい着地と安定した支持を実現する。 - シミュレーションとUnitree G1ヒューマノイドで評価され、多様な地形での歩行性能を向上させる。

- 従来の人型ロボットのパルクールポリシーはタスクを完了できても、着地の衝撃やエッジ接触、不安定な支持といった問題が隠れていた。 - 人間は触覚フィードバックで足と地形の相互作用を調整するが、ほとんどの人型ロボットには豊富な触覚センシングが欠けている。 - TactileStepはこのギャップを埋め、触覚シミュレーションと実機の圧力インソールを整合させ、ハードウェアで利用可能な接触特徴から学習する。 - 強い知覚ベースラインと比較して、ピーク着地力を最大48.8%削減、ピークA特性衝撃音を最大30.1 dB低減、支持接触面積を最大23.8%増加させた。

- 触覚シミュレーションを実機の圧力インソールと整合させ、ポリシーがハードウェアと同じ接触特徴から学習できるようにする。 - 訓練中に触覚と運動の手がかりを用いて異なる足接触フェーズを認識し、フェーズに応じた報酬を適用する。 - フェーズ認識報酬により、より安全な着地とより安定した支持を促進する。

- シミュレーションとUnitree G1ヒューマノイドを用いて、多様な地形で評価を実施。 - 強い知覚ベースラインと比較して、ピーク着地力を最大48.8%削減、ピークA特性衝撃音を最大30.1 dB低減、支持接触面積を最大23.8%増加させた。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていないが、関連手法としてperceptive baseline（知覚ベースライン）が挙げられている。 - 同分野の定番として、humanoid locomotionの強化学習手法や触覚センシングを統合したロボット制御に関する研究が考えられる。