知覚型ヒューマノイドの転倒復帰を推論時に誘導する手法

- 知覚に基づく humanoid の fall recovery を、推論時にタスク目的へ steer できる手法 RISE の提案。 - 同じ倒れ姿勢からでも立ち上がり方は複数あり、経路・support transition・最終 heading が異なる。 - 従来の reliable な recovery だけでは、どの代替動作を実行するかを制御できない。 - 提案は、要求された動きの物理的帰結を予測し、task objective に沿って立ち上がり方を steer する。 - 実世界では Unitree G1 上で demonstration を実施。

- 従来の fall recovery は「確実に立ち上がる」ことに主眼があり、複数の立ち上がり方から目的に合うものを選ぶ制御は扱いにくい。 - RISE は inference time に task objective で recovery を steer でき、retraining 不要とする点を主張。 - 多様な recovery を shared movements の組合せとして構成できる点を活かす。 - 具体的な比較対象の prior 研究名は要旨からは不明。

- 二つの洞察: 多様な recovery は shared movements から構成可能、movement の展開を予測すれば task objective へ steer 可能。 - recovery vocabulary を学習し、意図した movement を sensory feedback 経由で motor action に結びつける。 - visual diffusion planner が vocabulary の実行から学習し、motion intent を future body states として予測。 - task cost がこの予測を desired heading・rise speed・path へ誘導。 - planner は steered intent を条件に motion latent を生成し、要求 movement が実行を形作る。

- Simulation 実験で、diverse recoveries・terrain adaptation・test-time steering without retraining を示す。 - 実世界では Unitree G1 上の demonstration で補完。 - 具体的な評価指標・baseline・被験者数などは要旨からは不明。

- test-time steering により retraining なしで heading・rise speed・path を変えられる点を主張。 - terrain adaptation と多様な recovery の実現を議論。 - 限界・失敗事例・安全性・計算コスト・実世界での定量評価は要旨からは不明。

- 要旨で明示的に参照/比較された研究はない。 - 関連手法として visual diffusion planner、recovery vocabulary、motion latent、Unitree G1 上の humanoid fall recovery を挙げる。 - 同分野の定番として model-based fall recovery、reinforcement learning による humanoid locomotion、diffusion policy 系の planner を次に読む候補とする。