身体非依存ワールドモデルと微分可能な自己運動モデルを結合したクロスエンボディメント運動計画

- 本論文は Hourglass と呼ぶ cross-embodiment motion planning 手法を提案する。 - 本体は body-agnostic world model と各ロボットの differentiable ego-dynamics を結合した hourglass 型アーキテクチャ。 - 目的は、異なる embodiment のロボット群で共通利用できる一般化 policy の学習。 - 対象は clutter 環境での motion planning で、平坦地面では embodiment が観測に影響するのは camera ego-motion 経由のみという前提を利用。

- 既存の cross-embodiment policy は正規化 command を出力し embodiment 差を無視するか、per-robot の学習・distillation で補償していた。 - command-conditioned world model は latent dynamics を単一 action space に束縛し、pose-conditioned は command から body 固有運動への写像を欠く。 - Hourglass は両者を ego-motion インタフェースで分離・結合し、per-robot 専用学習なしで specialist に匹敵。 - 同一 world model 上の imitation-learning や diffusion-policy baseline を成功率で 3.8–10.6 ポイント上回る。

- body-agnostic world model を複数 embodiment・camera mount の pooled data で学習。 - 各ロボットの ego-dynamics は同定した物理パラメータを持つ reduced-order template。 - 両者は camera ego-motion のみを介して結合される。 - 一般化 parameter-conditioned policy を junction で一度だけ学習し、imagination 各 step で template と world model を順に roll out。 - 各ロボットの template を通した imagination training により policy が body-aware になる。

- 5 種類の locomotion type からなる 7 台の simulated robot で評価。 - 同一 world model 上の imitation-learning・diffusion-policy baseline に対し成功率 3.8–10.6 ポイント改善。 - per-robot specialist に専用学習なしで匹敵し、parameter-conditioned MPPI teacher には online map なしで 1.4–2.8 ポイント差まで接近。 - 3 分間の teleoperated driving で同定後、synthetic-data 学習モデルが未学習の実機 skid-steer robot に zero-shot 転移し、未見 indoor scene を走行。

- 平坦地面では embodiment の影響が camera ego-motion 経由に限られるという仮定に依存。 - ego-dynamics は reduced-order template と同定パラメータに依存し、実機では teleoperation による同定が必要。 - online map なしで teacher に 1.4–2.8 ポイント及ばない点が残る。 - 非平坦地形や camera ego-motion 以外の embodiment 影響への一般化は要旨からは不明。

- 比較対象の parameter-conditioned MPPI teacher。 - baseline の imitation-learning policy と diffusion-policy。 - command-conditioned world model および pose-conditioned world model。 - per-robot specialist policy と distillation を用いる cross-embodiment 手法。