PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion
本論文は、制約的な歩行事前知識や盲目的制御戦略に依存することなく、多様な地形におけるロバストで形態に依存しない脚式移動を可能にするために、位相誘導型報酬整形を採用した知覚認識型深層強化学習フレームワークであるPGTTを導入する。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ロボットがただ車輪で転がっていくのではなく、犬や人間のように、デコボコした不整地を跳ねたり、スキップしたり、ジャンプしたりする世界を想像してみてください。これは**脚式ロボティクス（legged robotics）というエキサイティングな最前線です。長い間、これらのロボットを動かすことは、よちよち歩きの幼児に歩き方を教えるようなものでした。つまり、「左足を正確にこれくらいの高さまで上げ、次に右足を正確にこれくらいの高さまで上げる」といった、非常に厳格なルールを与えなければなりませんでした。これは機能しましたが、ロボットを硬直させ、予期せぬものに当たった時に混乱させてしまいました。その後、科学者たちは強化学習（Reinforcement Learning: RL）**を発見しました。これは、ビデオゲームのキャラクターが、何度も落下しては上手くなっていくように、試行錯誤を通じて学習する方法です。しかし、これらの「学習する」ロボットの多くは、視覚を持たない「盲目」な状態であったか、あるいは依然として、新しい種類の地形に対して不器用になってしまう古い硬直したルールに縛られていました。研究者が解決しようとしている大きな問いは、「どうすれば、地面を見るほど賢く、かつ、すべての関節の動きを逐一指示されなくても、ステップを適応させるほど柔軟なロボットを教えることができるのか？」ということです。
ここで、完璧な中間地点を見出そうとする新しいアプローチ、PGTT（Phase-Guided Terrain Traversal：位相ガイド型地形横断）が登場します。古い「盲目の」ロボットを、転ばないことを願いながら目をつぶって歩いている人に例えてみましょう。古い「ルールに縛られた」ロボットは、振付師の正確な台本に従わなければならないダンサーのようなものです。もし床が変わってしまったら、彼らは即興で踊ることができません。PGTTは、ロボットにリズムを教えつつ、ステップを即興で踊らせるようなものです。
研究者たちは、ロボットに「スマートな目」（レーザースキャナー）を与えました。これにより、目の前の地面の素早い3Dマップを作成できます。ロボットに特定の足のターゲットを叩くよう強制する代わりに、彼らはシンプルなリズムを教えました。「脚は波のように振るべきである」というものです。しかし、ここが魔法のようなトリックです。彼らはロボットの関節が厳格な経路に従うよう強制したわけではありません。その代わりに、ロボットにスコアカード（報酬システム）を与えました。もしロボットが足を低く振りすぎて岩に当たれば、低いスコアを与えられます。もし岩を越えるのに十分な高さまで足を上げれば、高いスコアが得られます。ロボットは、その高いスコアを得るために、自分自身の筋肉をどのように動かせばよいかを学習し、見たものに基づいてステップの高さを自動的に適応させていくのです。
論文によれば、この手法はコンピュータ・シミュレーションにおいて驚異的な成果を上げています。階段のような複雑な地形や散乱した障害物でテストした際、PGTTを備えたロボットは、他のトップレベルの手法よりもはるかに高い確率で直立を維持できました。実際、押し倒されるような外乱に対して7.5%多く耐え、障害物を9%多く乗り越えました。単に生き残っただけでなく、他のロボットと同じ速度を維持して進み続けました。
チームはまた、この手法を実機のロボット、Unitree Go2（犬に似た4足歩行ロボット）でも試しました。彼らは、コンピュータ内でトレーニングした「脳」を、設定を変更することなくそのまま使用し、本物の階段を登り、本物の障害物を飛び越えることに成功しました。彼らはまた、別のロボットであるANYmal-Cでもテストを行い、そこでも動作したことから、この「ルールなしのリズム」というアイデアがあらゆる種類の脚式マシンに適用できる可能性を示唆しました。
しかし、論文では、これがまだあらゆる状況における万能薬ではないことも慎重に注記しています。実機テストは、ロボットのレーザースキャナーがマップを素早く更新する速度に追いつかないため、毎秒0.4メートルという控えめな歩行速度で行われました。また、ロボットは転倒しないことには優れていますが、エネルギー効率をどのように使っているかはまだ測定されていません。それでも全体として、PGTTは、ロボットに単純なリズムに従わせつつ、細部は自分たちで考えさせることで、堅牢で適応力があり、予測不可能な現実世界に立ち向かう準備ができている機械を構築できることを示唆しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。