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
ロコマニピュレーションarXiv:2610.41892

凍結した歩行ポリシー下での異種歩行ダイナミクスのオンライン学習による高精度ロコマニピュレーション

Online Learning of Heterogeneous Locomotion Dynamics under Reinforcement Learning Policies for Precise Loco-Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

事前学習済み歩行ポリシーを固定したまま、その閉ループダイナミクスをオンライン学習し、潜在条件による異種応答を汚染ガウスモデルで扱うことで浮遊ベース運動予測とエンドエフェクタ追従の精度を向上させた。

詳しい要約

1. どんなもの？

- pretrained locomotion policy を固定したまま、その closed-loop dynamics をオンライン学習する手法を提案する研究。 - 学習モデルは floating-base motion を予測し、loco-manipulation の精度向上を狙う。 - 同一観測状態でも policy の未観測 latent conditions により異なる運動が生じる heterogeneous responses を扱う。 - contaminated Gaussian model と Gaussian process を組み合わせたオンライン学習器を構築し、MPC と統合する。

2. 先行研究と比べてどこがすごい？

- 従来は pretrained locomotion policy の loco-manipulation への再利用が未解決課題とされる。 - 単純に dynamics を直接学習すると heterogeneity により bias と fluctuations が生じ、floating-base 予測と end-effector tracking が劣化する。 - 提案法は latent conditions の影響を contaminated Gaussian model で近似し、予測可能応答を捉えつつ bias・fluctuations を低減する点が特徴。 - 具体的な先行研究名との比較は要旨からは不明。

3. 技術・手法の肝は？

- frozen locomotion policy 下の closed-loop dynamics をオンライン学習する。 - 同一観測状態に対する予測可能応答と予測不能応答を 2 つの Gaussian components で近似する contaminated Gaussian model を導入。 - これを Gaussian process と組み合わせ、random Fourier features (RFFs) を用いたオンライン学習器を構築。 - 各応答が predictable component に属する確率を推定し、オンライン更新の重み付けに使用。 - 得られた dynamics 推定を MPC に組み込み、floating-base motion を予測して loco-manipulation を実行。 - オンライン学習の一様収束を保証する finite-sample error bound を導出。

4. どうやって有効だと検証した？

- simulation と hardware experiments の両方で検証。 - 異なる manipulator configurations とタスクにおいて end-effector tracking の一貫性を確認。 - 誤差 0.01 m を達成したと報告。 - 詳細な比較対象や評価指標は要旨からは不明。

5. 議論はある？

- latent conditions による heterogeneous responses が dynamics 推定の bias と fluctuations の原因になる点を議論。 - contaminated Gaussian model による予測可能・予測不能応答の分離と重み付き更新の有効性を示唆。 - finite-sample error bound によりオンライン学習の一様収束を保証。 - 限界や失敗事例、計算コストなどの詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として Gaussian process、random Fourier features (RFFs)、model predictive control (MPC)、contaminated Gaussian model に関する文献が次に読む候補。 - pretrained locomotion policy の再利用や loco-manipulation に関する研究も関連分野として挙げられる。

※ 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: Tianlin Zhang, Weipeng Xia, Lingwei Zhang, Yiyang Shao, Zhongyu Li, Yun-Hui Liu

分類: cs.RO

原文アブストラクト

How to reuse a pretrained locomotion policy for precise loco-manipulation is still an open problem. We propose an online method to learn the closed-loop dynamics under a frozen locomotion policy. The learned model predicts floating-base motion and improves loco-manipulation accuracy. However, unobserved latent conditions of the policy introduce heterogeneous responses, meaning that the same observed state will lead to different motions. Direct learning without accounting for this heterogeneity introduces bias and fluctuations into dynamics estimates, degrading floating-base prediction and end-effector tracking. To address this problem, a contaminated Gaussian model is proposed to approximate the effects of latent conditions. The model uses two Gaussian components to approximate predictable and unpredictable responses under the same observed state. Then, the contaminated Gaussian model is combined with a Gaussian process to construct an online learner using random Fourier features (RFFs). The learner estimates each response's probability of belonging to the predictable component and uses it to weight online updates, capturing predictable responses while reducing bias and fluctuations caused by heterogeneous observations. With consistent and unbiased dynamics estimates, model predictive control (MPC) predicts floating-base motion accurately and enables precise loco-manipulation. A finite-sample error bound is established to ensure uniform convergence in online learning. Simulation and hardware experiments demonstrate consistent end-effector tracking across different manipulator configurations and tasks, with errors of 0.01 m.

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