続行・中止・転倒：安全なヒューマノイドアクロバットのための実行可能性認識型ポリシー選択（VAPS）

- 動的なhumanoidのflipなどの動作において、suboptimal policiesやdisturbances、sim-to-real gapsによるhardware damageのリスクを低減するための手法。 - Viability-Aware Policy Selection (VAPS)を提案。 - safetyをpolicy-conditioned, receding-horizon decisionとして扱う。 - protective fall policyに加え、任意のタイミングでabortして足で着地するabort policyを訓練。 - 各制御ステップで、nominal tracking policyとabort policyが短いhorizonでviableかどうかを学習したpredictorsで推定。 - least-sacrificial hierarchyにより、viableな中で最もtask-ambitiousなbehaviorを選択。

- 従来のmotion tracking policyはreferenceから外れると手の打ちようがなく、backup policyが必要。 - どのbackupをいつ使うかが重要だが、VAPSはsafetyをpolicy-conditioned, receding-horizon decisionとして扱う点が新しい。 - 単一のend-to-end safe-tracking policyやVAPSのoracle-routed decisionsからdistillしたstudentsよりも、task successとhead impactの両方でPareto-dominatesする。 - 具体的な先行研究名は要旨からは不明。

- protective fall policyとabort policyを訓練。 - 各制御ステップで、nominal tracking policyとabort policyのviabilityを短いhorizonで予測するlearned predictorsを使用。 - least-sacrificial hierarchyにより、viableな中で最もtask-ambitiousなbehaviorを選択。 - これにより、continue, abort, fallの選択を動的に行う。

- simulation with randomized disturbancesにおいて、Unitree G1とLimX Oliで評価。 - head contactとhand contact（hardware damageの主な原因）を大幅に削減。 - LimX Oliではside-flip motionsに対してviability predictorsとfull VAPS controllerを検証。 - 単一ネットワークの代替手法（end-to-end safe-tracking policyやVAPSのoracle-routed decisionsからdistillしたstudents）と比較し、task successとhead impactでPareto-dominatesすることを示した。 - undertrained policiesの監督とhardware保護にも有効であることを示した。

- 要旨からは不明。

- 要旨で参照/比較されている研究：end-to-end safe-tracking policy、VAPSのoracle-routed decisionsからdistillしたstudents。 - 関連手法：motion tracking policy、protective fall policy、abort policy。 - 同分野の定番：humanoid acrobatics、sim-to-real transfer、safe reinforcement learning。