世界を一周：270g連続回転四脚ロボットにおける統合学習ロコモーション

- 270 g の連続回転型四脚ロボット MiNI-Q のための、単一の posture-conditioned reinforcement-learning policy による閉ループ learned locomotion。 - 脚が連続回転することで身体の両側で支持構成を取れる点を活かし、upright walking、inverted walking、landing recovery を state machine や phase switching なしで統合。 - ポリシーは完全に onboard で動作し、パラメータ数は 100k 未満。

- 商用四脚ロボットでは closed-loop learned locomotion が確立しているが、sub-kilogram スケールでは一般的でない。 - 連続回転脚による身体両側の支持構成という MiNI-Q 固有の運動範囲を、単一ポリシーで活用している点が先行研究と異なる。 - 状態機械や位相切替を用いず、upright/inverted/landing recovery を一つの behavior family として扱う。

- トーラス T^8 上の連続 joint-space reference と、その gravity-conditioned transformation を用いる。 - posture-conditioned reinforcement-learning policy により、upright walking、inverted walking、landing recovery を接続。 - coordinated posture and release curricula でこの behavior family を訓練。 - identified actuation、cross-engine validation、embedded execution により hardware transfer を支援。

- 同一の sub-100k-parameter network が forward velocity を追従し、RMSE は upright で 0.037 m/s、inverted で 0.050 m/s。 - release trials 30 回中 24 回で walking を再開。 - 4 種類の交換可能な foot geometry と 4 種類の indoor surface で動作。 - hardware experiments と simulation ablations により、representation、conditioning、training の選択と能力の関連を検証。

- 要旨からは不明。 - ただし hardware experiments と simulation ablations が、プラットフォームの運動範囲を活かす representation、conditioning、training の選択を結びつけていると述べられている。

- 要旨で参照・比較されている個別の研究は明示されていない。 - 関連手法として、posture-conditioned reinforcement learning、continuous-rotation quadruped、sim-to-real transfer、curriculum learning などが挙げられる。