タスク報酬を超えて：身体性依存能力を評価するためのコントローラ制限プロトコル

本論文は、co-design で得られた morphology の competence を、task reward ではなく controller を制限したときの性能で評価する Controller-Restriction Protocol を提案する。 - 対象は EvoGym の locomotion 3 タスク。 - 明示的に宣言した低複雑度 controller family、environment、task、search budget の下で、morphology が保持する task competence を記録する。 - この量を embodiment-dependent competence として扱う。

従来の co-design は body と controller を同時最適化し、最適化済みペアの task reward という単一の数値で結果を評価していた。 - その数値では、controller への依存度が大きく異なる morphology を分離できない。 - 本研究は controller を制限して competence を測る点で、評価軸を追加する。 - EvoGym 3 タスクで task reward はこの量の分散の 39%、33%、10% しか説明せず、geometric descriptors も run-grouped cross-validation で予測しない。

morphology の評価を、controller を明示的に制限する手続きとして定義する。 - 低複雑度 controller family、environment、task、search budget を宣言し、その条件下で保持される task competence を測る。 - 測定の信頼性を optimizer restarts 間で評価する。 - 宣言する controller family への依存も検証する。 - 第二の search objective として使う場合と、通常の reward-only search 後の選択に使う場合を検討する。

EvoGym の locomotion 3 タスクで検証。 - task reward は制限下 competence の分散を 39%、33%、10% しか説明しない。 - geometric descriptors は run-grouped cross-validation で予測しない。 - 測定は optimizer restarts 間で信頼性が高い (ICC(2,k)=0.956–0.986)。 - ただし宣言 family に依存し、actuator index による drive の phasing では同じ morphology の順位が Spearman 0.50–0.63 となり、reward-matched pairs が逆転する。 - 第二の search objective としては 5 回中 3 回で matched task reward 下の competence を改善したが、事前登録した基準 4 回に届かない。 - reward-only search 後の選択では、選択肢がある 8 回すべてで異なる body を選び、reward のコストは最…

制限下 control competence は co-design された morphology の報告可能な property である。 - ただし、それを定義する controller family とともにのみ解釈可能である。 - 測定は optimizer restarts に対して信頼できるが、宣言する controller family に依存する。 - 第二の search objective としては事前登録基準に届かず、通常の reward-only search 後の選択に使う方が有望な可能性がある。 - 一般に task reward だけでは embodiment-dependent competence を捉えきれない。

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、EvoGym を用いた co-design 研究、morphology-controller co-optimization、embodiment 評価、controller family の複雑度制約に関する研究を次に読むべき。 - 具体的な論文名は要旨からは不明。