日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
歩行arXiv:2610.19615

PolyMorph: 異形態適応のための歩行ポリシー学習

PolyMorph: Learning Locomotion Policy for Cross-Embodiment Adaptation

シェア:XThreadsFacebookLINEはてブBluesky

様々な脚数や関節構成のロボットに対応する単一の歩行ポリシーを学習する形態条件付きフレームワークを提案し、シミュレーションと実機で汎化性能を実証した。

詳しい要約

1. どんなもの？

- 脚式ロボットの異なる形態（脚数、アクチュエータ、機械特性）に適応する単一のlocomotion policyを学習するフレームワーク。 - 各ロボットのURDFをjoint-link modulesに変換し、recurrent encoder、graph-based Transformer、per-joint decoderを組み合わせて、可変脚数と関節構成に対応した行動を生成する。 - シミュレーションでbipedal、tripedal、quadrupedalロボットを評価し、未見の形態変種やプラットフォーム、実機のquadrupedプラットフォームにも展開。 - 単一のPolyMorph policyが多様なロボット形態に一般化し、ロボットごとの再学習を不要にすることを示す。

2. 先行研究と比べてどこがすごい？

- 従来の強化学習によるlocomotion policyは特定のロボット形態に依存し、脚数やアクチュエータ、機械特性が変わると追加のエンジニアリングが必要だった。 - PolyMorphは単一のpolicyで異種脚式ロボットに適応し、ロボットごとの再学習を不要にする点が優れている。 - 未見の形態変種やプラットフォームにも一般化できることを示した。

3. 技術・手法の肝は？

- 各ロボットのURDFをjoint-link modulesに変換する。 - recurrent encoder、graph-based Transformer、per-joint decoderを組み合わせ、可変脚数と関節構成に対応した行動を生成する。 - 訓練安定性向上のため、morphology-normalized rewards、adaptive robot sampling、URDF-derived PD-gain initializationを採用する。

4. どうやって有効だと検証した？

- シミュレーションでbipedal、tripedal、quadrupedalロボットを評価。 - 未見の形態変種やプラットフォームを含む。 - 実機のquadrupedプラットフォームを複数構成で運用し、policyを展開。 - 単一のPolyMorph policyが多様なロボット形態に一般化し、ロボットごとの再学習が不要であることを示した。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。関連手法として、形態条件付き強化学習、graph neural networks、Transformerベースのpolicy、sim-to-real転移、URDFベースのモデリングなどが挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hyunsik Oh, Seunghun Jeon, Donghoon Youm, Jungwoo Hur, Hyeongjun Kim, Jeong Hyun Lee, Moonkyu Jung, Jemin Hwangbo

分類: cs.RO

原文アブストラクト

Reinforcement learning has enabled robust locomotion for legged robots, but learned policies are typically tied to a specific robot morphology and require additional engineering when the number of legs, actuators, or mechanical properties change. We present PolyMorph, a morphology-conditioned framework that learns a single locomotion policy for heterogeneous legged robots. PolyMorph converts each robot's URDF into joint-link modules and combines a recurrent encoder, graph-based Transformer, and per-joint decoder to generate actions across variable leg counts and joint configurations. To improve training stability, PolyMorph uses morphology-normalized rewards, adaptive robot sampling, and URDF-derived PD-gain initialization. We evaluate PolyMorph in simulation across bipedal, tripedal, and quadrupedal robots, including unseen morphology variants and platforms, and deploy the policy on real quadruped platforms operated in multiple configurations. The results show that a single PolyMorph policy generalizes across diverse robot morphologies without per-robot policy retraining.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI