キネマティック追従を超えて：ヒューマノイド全身制御における表現特性の保持

- 人型ロボットのwhole-body controlにおいて、動作の意図と表現的特性を保持することを目的とした研究。 - 既存のtrackerは関節・キーポイント追従と物理的安定性のバランスを取るが、表現的特性を優先しない。 - 平均位置追従誤差が低くても動的・姿勢的特性の保持が保証されないことを分析で示す。 - 残差学習フレームワークを提案し、振幅・エネルギー・身体拡張・身体傾斜・骨盤高さの補償目標を導入。 - motion-aware gatingで補正容量を身体部位の活動に応じて配分。 - 凍結したtrackerごとに動作特異的残差ポリシーを訓練し、統一ポリシーに蒸留。 - Unitree G1でのシミュレーションと物理実験で8動作カテゴリにおいて動的・姿勢的特性の保持が向上。

- 既存のwhole-body trackersは関節・キーポイント追従と物理的安定性のバランスを取るが、表現的特性を優先しない。 - 平均位置追従誤差が低いことが動的・姿勢的特性の保持を保証しないことを分析で明らかにした。 - 提案手法は残差学習と補償目標により、表現的特性の保持を明示的に向上させる。 - シミュレーションと物理実験でベースラインと比較して優れた保持を実証。

- 残差学習フレームワークを採用。 - 補償目標として振幅、エネルギー、身体拡張、身体傾斜、骨盤高さを設定。 - motion-aware gatingにより、身体部位の活動に応じて補正容量を配分。活動が大きい部位には大きな補正範囲を、それ以外には制限をかける。 - 凍結したtrackerごとに動作特異的残差ポリシーを訓練。 - それらを動作カテゴリ間で共有される統一ポリシーに蒸留。

- Unitree G1を用いたシミュレーションと物理実験を実施。 - 8つの動作カテゴリで評価。 - 対応するベースラインと比較して、動的・姿勢的特性の保持が優れていることを示した。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、whole-body control、humanoid tracking、residual learning、motion retargeting、imitation learningなどの関連手法が挙げられる。