HC2Robot: 予測的先読みを備えたハイパーコネクションTransformerによる多地形ヒューマノイドパルクール

- ヒューマノイドによるparkour(階段・gap・高platform・slope等の不連続地形の踏破)を対象とした、deployableな知覚ベースのフレームワーク。 - Predicted Foresight Module (PFM)とHyper-Connection (HC) Transformerの2要素から構成。 - 非対称actor-critic学習における情報非対称性(訓練時のみcriticがprivileged simulator信号を使う点)を再検討し、actor側でその近似を学習することを狙う。 - 実機搭載可能な観測のみで、将来の足接地イベント情報を活用した歩容生成を目指す。

- 従来の非対称actor-criticではprivileged情報はcriticのみが利用し、deployableなactorはオンボード知覚のみで情報ギャップが残る。 - 本研究はprivileged情報をactorに直接与えるのではなく、そのdeployableな近似を学習させて情報ギャップを狭める点を主張。 - PFMにより、privileged runtime sensing無しで予測接地情報をactorに供給できる。 - 階段・gap・高platform・slopeで平均97.60%のsimulated traversal成功率、および強いperceptive locomotionベースラインより一貫して高いsafe foothold率を報告。

- Predicted Foresight Module (PFM): deployableな観測から、各足の次回接地イベントのtiming・location・support qualityをpolicy-conditionedに予測。privileged supervisionをdeployableなlatent表現へ変換する。 - Hyper-Connection (HC) Transformer: 学習可能なmulti-stream routingによりtemporal reasoningを強化。 - future motion prediction head: 短期horizonのmotion priorを正則化として供給。 - 全体として非対称actor-criticの枠組みを踏襲しつつ、actor側に予測foresightを持たせる構成。

- 階段・gap・高platform・slopeを含む地形で評価。 - 平均simulated traversal成功率97.60%を達成。 - 強いperceptive locomotionベースラインと比較し、一貫して高いsafe foothold率を示した。 - 実機実験の有無や詳細な評価プロトコルは要旨からは不明。

- privileged情報をactorへ直接渡さずその近似を学習する設計の妥当性・限界についての議論は要旨からは不明。 - PFMの予測誤差が実機性能へ与える影響や、sim-to-realギャップに関する議論は要旨からは不明。 - 比較対象ベースラインの詳細やsafe foothold率の定義は要旨からは不明。

- 非対称actor-criticを用いたperceptive humanoid locomotionの代表的先行研究(privileged training / deployable student系)。 - Transformerベースのlocomotion policyに関する研究。 - foothold predictionやterrain-aware foot placementを扱う研究。 - humanoid parkourに関する関連フレームワーク。