生物に着想を得た四足歩行ロボットの目的志向型コデザイン学習

- 生物に着想を得た四足歩行ロボット Dogger を提案する研究 - 3 セグメントの脚、four-bar linkages、調整可能な passive knee compliance を備えたモジュール式ハードウェア - 形態と制御を分離せず同時に設計する co-design を扱う - reinforcement learning と Bayesian optimization を組み合わせた二段階フレームワーク - inspection と payload-carrying のタスクで zero-shot 展開し、cost of transport の削減を実証

- 従来は morphology と control を別問題として扱い、co-design でも設計空間が制限されていた - 本研究はモジュール式三段脚と four-bar linkages、passive knee compliance により物理設計空間を拡張 - その上で学習済み制御と組み合わせる枠組みを提示 - 比較により full geometry-compliance co-design が fixed/restricted な設計範囲を上回ることを示す - 実機レベルの証拠を提示した点が新規

- 二段階フレームワーク - 第一段階: morphology-conditioned control policy を複数設計にわたり reinforcement learning で訓練 - 第二段階: その policy を固定し、タスク固有の設計選択を Bayesian optimization で実施 - ハードウェアの肝 - 三段脚のモジュール構造、four-bar linkages、調整可能な passive knee compliance - 設計と policy を zero-shot で実機展開

- inspection と payload-carrying のタスクで実機評価 - cost of transport をそれぞれ 18.6%、35.7% 削減 - full geometry-compliance co-design と fixed/restricted 設計範囲の比較を実施 - cross-task テストによりタスク固有の morphology と共通の mechanical trade-offs を確認 - 詳細な実験条件は要旨からは不明

- 物理設計空間の拡張が学習制御と相まって task-driven co-design の可能性を引き出すと主張 - cross-task テストからタスク固有形態と共通の mechanical trade-offs が示唆される - 設計空間拡張に伴うコストや実装上の制約、一般化可能性の議論は要旨からは不明 - 比較対象の詳細や限界は要旨からは不明

- 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 reinforcement learning と Bayesian optimization を用いた co-design 研究 - 同分野の定番として morphology-control co-design、bio-inspired quadrupedal robots、passive compliance 設計の論文 - 具体的な論文名は要旨からは不明