🤖 AI

CMR: Contractive Mapping Embeddings for Robust Humanoid Locomotion on Unstructured Terrains

本論文は、コントラスティブ学習とリプシッツ正則化を通じて、ノイズを含む観測を収縮的な潜在空間へと写像することにより、非定型地形におけるヒューマノイドの移動能力を向上させる、Contractive Mapping for Robustness (CMR) フレームワークを導入するものであり、これによりリターンギャップを理論的に限定し、重大なセンサーノイズ下において既存のアルゴリズムを経験的に凌駕する。

原著者： Qixin Zeng, Hongyin Zhang, Shangke Lyu, Junxi Jin, Donglin Wang, Chao Huang

公開日 2026-02-04

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Qixin Zeng, Hongyin Zhang, Shangke Lyu, Junxi Jin, Donglin Wang, Chao Huang

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

不揃いな床板、ランダムに配置された障害物、そして明滅する照明に満ちた、混沌とした散らかった部屋を歩こうとしているヒューマノイドロボットを想像してみてください。ロボットにとって、世界は混乱したデータの塊です。センサーにはノイズが混じり、「目」（カメラや高さマップ）はグリッチを起こし、内部のバランス感覚もぼやけています。この混沌の中で、通常のロボットは、データのわずかな不具合に対して過剰に反応してしまい、つまずいたり、よろけたり、あるいはフリーズしたりしてしまうかもしれません。

本論文は、感覚機能が低下しているときでも、これらのロボットが安定して歩行できるようにするための新しい手法、**CMR（Contractive Mapping for Robustness：堅牢性のための収縮写像）**を紹介します。その仕組みを、簡単な比喩を用いて説明します。

1. 問題点：「エコーチェンバー」のノイズ

あなたが、誰かが話すたびに、その言葉が少し歪んだ形で大きく繰り返されるエコーが発生する部屋で会話をしている場面を想像してください。もしあなたがそのエコーに対して反応しようとすれば、繰り返すごとに歪みはさらにひどくなっていきます。最終的には、何も理解できなくなってしまいます。

ロボティクスにおいて、これは「観測ノイズ」として起こります。ロボットのセンサーがわずかに狂っている場合（例えば、高さマップが実際には2インチの段差を1インチと伝えている場合）、標準的なロボットは過剰に修正を行おうとします。その過剰な修正が新たなエラーを引き起こし、それがまた別の過剰修正を招き、最終的に転倒へとつながります。論文では、これをエラーの「増幅」と呼んでいます。

2. 解決策：「スポンジ」効果

著者らは、ロボットが情報を処理するための新しい方法を提案しています。ロボットは、ノイズを含んだグリッチのあるデータに直接反応するのではなく、まずそのデータを**「収縮埋め込み（Contractive Embedding）」**と呼ばれる特別な「フィルター」または「スポンジ」に通します。

このスポンジは、車のショックアブソーバーのようなものだと考えてください。

スポンジがない場合： 段差に当たると、車は激しく跳ね返ります。
スポンジがある場合： 段差に当たっても、ショックアブソーバーがエネルギーを吸収します。車は少し揺れるかもしれませんが、その揺れは次第に小さくなり、消えていきます。

CMRは、データに対してこれと同じことを行います。ロボットは、ノイズの多い高次元のセンサーデータ（例えば15x15の高さ情報グリッド）を取り込み、それをより単純な「潜在空間」へと押し潰します。この新しい空間では、小さなエラー（ノイズ）は時間の経過とともに自然に縮小していきます。もしロボットが内部マップにおいて小さなミスをしたとしても、CMRの数学的性質により、そのミスは次のステップを踏む際に増幅されるのではなく、「押し潰される」ようになっています。

3. 学習方法：「綱渡り」と「地図」

この特別なスポンジを構築するために、研究者らは2つの巧妙なトレーニング手法を一つのシステムに組み合わせて使用しました。

「リプシッツ（Lipschitz）」のルール（綱渡り）： 足を1インチ動かしたら、体は決して1インチ以上は動かないと約束する綱渡りの歩行者を想像してください。突然、体の左側に3フィートも投げ出されることはありません。これは「リプシッツ制約」と呼ばれます。ロボットは、視覚情報のわずかな変化が、動きに対して劇的で制御不能な変化をもたらさないよう、制御された変化のみを引き起こすように訓練されます。これにより、センサーのグリッチに対する激しくぎこちない反応を防ぎます。
対照学習（地図）： ロボットは、何が重要であるかを知る必要もあります。霧の深い森の中にいる場面を想像してください。霧のせいで景色がぼやけて見えたとしても、木が木であることを認識しなければなりません。ロボットは「対照学習」を用いることで、たとえノイズがあっても、地面の似たような二つの視界が同じ種類の地形であることを認識するようにします。これにより、ノイズを滑らかにしながら、世界の「形状」を維持します。

4. 結果：嵐の中での綱渡り

著者らは、Unitree G1 ヒューマノイドロボットを用い、コンピュータシミュレーション上でテストを行いました。彼らはロボットに対して、あらゆる混沌を投げかけました。

ノイズの多いセンサー： ロボットの視覚とバランスセンサーにランダムな静止ノイズを追加しました。
過酷な地形： 不整地、踏み石、バランスビームの上を歩かせました。
ランダムなコマンド： ロボットにランダムな速度と方向で歩くよう指示しました。

結果：

**他のロボット（標準的な手法を使用するもの）**は、ノザが大きくなると、つまずいたり、手足を激しく振り回して多くのエネルギーを浪費したり、あるいは完全に停止したりしました。
CMRを用いたロボットは、歩行を続けました。それはより遠くまで移動し、より少ないエネルギーで、よりスムーズに移動しました。ノイズが極端な状況であっても、ロボットはパニックに陥ることなく、ただ前進し続けました。

5. なぜこれが重要なのか（論文による主張）

本論文は、「収縮写像（Contraction Mapping）」（物事が時間の経過とともに近づいていくという概念）という数学的概念が、ロボットの歩行学習に成功的に適用された初めての例であると主張しています。

彼らは、もしロボットがこの手法を使用すれば、理想的なパフォーマンスと実際のパフォーマンスの差が、センサーの状態が悪化した場合でも厳密に制限されることを数学的に証明しました。これは、天候がいかに悪化しても、車のサスペンションが天井に衝突するのを防いでくれるという保証のようなものです。

要約すると： CMRは、ロボットにセンサーの「静止ノイズ」を無視し、歩行の一定したリズムに集中することを教え、自身の混乱によってつまずくことがないようにするのです。

技術要約：非定型地形における強靭なヒューマノイド歩行のための収縮写像埋め込み（CMR）

問題提起

強靭な外乱除去は、地形の凹凸、アクチュエーションの摂動、および信頼性の低いセンシングを特徴とする非定型的な環境におけるヒューマノイドの歩行において、依然として重要な課題である。知覚データ（例：高さマップ）は地形への認識を高めるが、センサーノイズやシム・トゥ・リアル（sim-to-real）のギャップは制御ポリシーを不安定化させることがある。既存のアプローチには以下の重大な限界が存在する：

モデルベース制御器（例：ZMP、LIP）は、制限的な仮定（固定されたCoMの高さ、簡略化された動力学）に依存しており、測定の不確実性に苦慮する。
学習ベースの手法は、特に階段やバランスビームのような複雑な地形において、外受容感覚センサーがノイズを導入した場合、堅牢性を維持できないことが多い。
既存の堅牢化技術（例：ローパスフィルタや滑らかさへの報酬）は、広範なチューニングを必要とし、探索能力を低下させ、多様なロボットシステム全体への汎化に失敗することが多い。
既存の感度制御手法（例：勾配ペナルティによるリプシッツ制約）は、低複雑度の地形における基本的な歩行動作に限定されていることが多い。

対処される核心的な問題は、タスクのパフォーマンスを損なったり、過度なエンジニアリングのオーバーヘッドを必要としたりすることなく、高自由度（DOF）のヒューマノイド歩行タスクにおいて、観測ノイズに対する堅牢性を確保するための体系的な手法が欠如していることである。

手法

著者らは、高次元で摂動を受けやすい観測値を、時間経過とともに局所的な摂動が減衰する潜在空間へと写像するフレームワークである**収縮写像による堅牢性（Contractive Mapping for Robustness: CMR）**を提案する。

理論的基礎

本アプローチは**収縮写像定理（Contraction Mapping Theorem）**に基づいている。著者らは、観測ノイズ下における「リターンギャップ（性能低下）」に関する理論的境界を導出している：

標準的なシステム： リプシッツ定数 $L_f \geq 1$ を持つシステムでは、観測ノイズによって時間ホライゾン $H$ にわたって誤差が指数関数的に増大し、深刻な性能低下を引き起こす可能性がある。
収縮システム： 状態を収縮因子 $0 < \kappa < 1$ を持つ潜在空間に写像することで、本フレームワークは、軌跡間の差異が時間とともに縮小することを保証する。理論的解析（定理2）により、リターンギャップは期待されるアクションの不一致を $\eta$ とすると、 $O(\frac{\eta}{1-\kappa})$ で抑えられることが確立されている。極めて重要なことに、この境界はホライゾンの長さ $H$ に依存しないため、非収縮的なアプローチと比較して優れた長期的ホライゾンへの堅牢性を提供する。

フレームワークのアーキテクチャ

CMRフレームワークは、標準的な深層強化学習（RL）パイプライン（具体的にはProximal Policy Optimization: PPO）に3つの主要なコンポーネントを統合する：

対照的表現学習（Contrastive Representation Learning）： 情報幾何学的な識別性を保持するためにInfoNCE損失を利用し、潜在空間がタスクに関連する幾何学的構造を保持し、過度な情報喪失を防ぐことを確実にする。
リプシッツ正則化（Lipschitz Regularization）： 埋め込み空間における差異の進化を明示的に制約し、収縮特性（ $\kappa < 1$ ）を強制するための特定の損失項（ $L_{Lipschitz}$ ）を導入する。
結合最適化： 全体の学習目的関数は、PPO損失、対照損失、およびリプシッツ正則化を組み合わせる：
$L_{CMR} = L_{InfoNCE} + \lambda \cdot L_{Lipschitz} + L_{PPO}$
ここで $\lambda$ は、意味的な識別性と動的な収縮のバランスをとる。

実装の詳細

観測： システムは、ノイズを含む固有受容感覚データ（関節位置/速度、ベースポーズ）と外受容感覚データ（エゴセントリックな標高マップ）を処理する。
ノイズ注入： 学習中、現実世界の劣化をシミュレートするために、知覚観測に対してノイズが注入される。
互換性： この定式化は補助的な損失項として機能するため、既存の深層RLパイプラインへの修正は最小限で済む。

主な貢献

新規フレームワーク： 観測の摂動を体系的に減衰させつつ、タスクに関連する構造を保持する、収縮埋め込みフレームワークであるCMRの導入。
理論的進展： ヒューマノイド歩行に収縮写像定理を初めて適用し、ノイズによるリターンギャップに対する厳密な境界を提供した。
実用的な統合： 現代的な深層RLパイプラインとシームレスに統合でき、最小限の技術的努力で堅牢な制御を可能にする、シンプルかつ効果的な学習システムの開発。

実験結果

Unitree G1ヒューマノイドロボットを用い、シミュレーション（Isaac GymおよびMuJoCo）上の多様な地形（凹凸のある地面、ステップストーン、バランスビーム）およびノイズレベルにおいて、広範な実験が行われた。

ノイズ除去： 高ノイズ条件下（ノイズケースIおよびIII-V）において、CMRはベースライン（HIM、LCP、Naive PPO）を大幅に上回った。CMRは安定した歩行を維持し、より長い移動距離を達成し、より低い関節消費電力と滑らかな制御動作を示した。
汎化性能（Sim-to-Sim）： ノイズを伴う擾乱下でのIsaac GymからMuJoCoへのゼロショット転送シナリオにおいて、CMRはHIMベースラインと比較して、優れたコマンド追従性とエネルギー効率を示した。
アブレーション研究： ハイパーパラメータ（ $\tau, \lambda, \kappa$ ）の分析により、軌跡の精度とエネルギー消費の間のトレードオフが確認され、選択されたデフォルト構成がバランスの取れた妥協案であることが検証された。
潜在空間の可視化： t-SNEによる可視化により、CMRの潜在軌跡はベースラインと比較してノイズによる偏差が著しく小さいことが明らかになり、収縮空間の自己安定化特性が確認された。

意義と主張

本論文は、CMRが以下の理由により、堅牢なヒューマノイド制御における重要な一歩であると主張している：

複雑な歩行タスクにおけるノイズへの堅牢性を体系的に扱っており、これは以前からオープンな研究課題として特定されていた領域である。
ヒューリスティックなチューニングを超え、観測ノイズによる性能低下を制限する理論的保証を提供している。
ノイズの伝播を理論的に制限する収縮状態埋め込みを学習することにより、堅牢なsim-to-real転送の可能性を可能にする。

著者らは、現在の研究はシミュレーションに焦点を当てているが、実用的な信頼性を強化するために実機ロボットを通じた転送性能の検証を行っていると述べている。今後の展望としては、より精密で複雑な地形を扱うために、マルチモーダルな知覚（例：深度カメラ）を組み込むことを目指している。