Dual-Horizon Hybrid Internal Model for Low-Gravity Quadrupedal Jumping with Hardware-in-the-Loop Validation

本論文は、 Proprioceptive 情報のみを用いて月面重力下での連続的な四足跳躍を可能にする「二重時間軸ハイブリッド内部モデル」を提案し、Unreal Engine と連動した混合現実テストベッド「MATRIX」を用いて、クレーター地形を含む月面環境でのハードウェア・イン・ザ・ループ検証に成功したことを報告するものである。

要約

🌕 1. なぜこの研究が必要なの？（月でのジャンプの難しさ）

地球では、私たちがジャンプすると、すぐに着地します。でも、月の重力は地球の 6 分の 1しかありません。
これは、**「地球で 1 回ジャンプした感覚が、月では 6 秒間も空中に浮いている」**ようなものです。

• 問題点: 空中にいる時間が長すぎると、着地する瞬間の衝撃が怖くなりますし、空中で体が傾いてしまったら、着地するまで修正する時間がありません。また、月面はクレーターや岩だらけで、常に同じ場所に足をつけないといけないので、バランスを保つのが非常に難しいのです。
• 既存の技術の限界: これまでのロボットは「1 回ジャンプして止まる」ことはできましたが、「岩だらけの月面を連続してポンポンと飛び続ける」ことはできませんでした。

🧠 2. 解決策：「二つの時間軸」で考える脳（Dual-Horizon Hybrid Internal Model）

この研究チームは、ロボットに**「二つの視点（時間軸）」を持つ脳を作りました。まるで、「瞬発力のある短距離走のコーチ」と「長期的な戦略を立てる監督」**がチームで働いているようなイメージです。

1. 短距離コーチ（Short-Horizon）:
   • 役割: 「今、足が地面から離れた瞬間！」や「着地する直前！」という急激な動きを素早く捉えます。
   • 例え: 野球のピッチャーがボールを投げる瞬間のフォームを微調整するような、**「今、今、今！」**に集中する感覚です。これがないと、着地時のバランスを崩して転倒します。
2. 長距離監督（Long-Horizon）:
   • 役割: 「ジャンプ全体の流れ」や「体が空中でどう動いているか」という長いスパンを見ます。
   • 例え: マラソン選手が「次の 10 分はどう走るか」全体の流れを把握するような感覚です。月の重力では空中にいる時間が長いので、この「長い視点」がないと、着地までの間、体がどうなるか予測できません。

✨ 魔法の融合:
この「短距離コーチ」と「長距離監督」の情報をロボットが同時に受け取って統合することで、**「空中で長く浮いている間も、着地する瞬間まで完璧なバランスを保つ」**ことが可能になりました。

🏗️ 3. 実験装置：「MATRIX」という魔法の舞台

この技術を本当に月で使えるか確認するには、月に行かずに**「月を地上に持ち込む」必要があります。そこで開発されたのが「MATRIX」**という装置です。

• 重力を消す仕組み（ロープと重り）:
  ロボットの上にロープを渡し、天井から重り（おもり）で引っ張ります。これにより、**「ロボットの体重の 6 分の 5 を重りが支えてくれる」**状態を作ります。
  • 例え: 水泳のプールで泳ぐような感覚です。水が体重を支えてくれるので、軽い力でジャンプできます。 MATRIX はそれを「空気で」ではなく「重りで」実現しています。
• 月面を再現する仕組み（デジタルツイン）:
  部屋の中には**「クレーターの描かれた巨大なコンベアベルト（トレッドミル）」と「傾く床（ステワートプラットフォーム）」**があります。
  • 仕組み: 仮想空間（ゲームのような Unreal Engine）で月面を走っていると、その地形の傾きや凹凸がリアルタイムに、実際の床の傾きやコンベアベルトの動きに反映されます。
  • 例え: VR ゲームをしながら、実際に足元の床が傾いてくるような体験です。ロボットは「月面を走っている」と勘違いして、実際にバランスを取りながらジャンプし続けます。

🎉 4. 結果：どんなに難しい場所でもポンポン跳べる！

このシステムを使って実験したところ、素晴らしい結果が出ました。

• 連続ジャンプ: ロボットは月面のような凹凸のある地形でも、転倒することなく連続してジャンプし続けることができました。
• スピード: 歩行速度が速くなっても（0.7m/s など）、安定して飛び続けました。
• 地形への強さ: 平らな場所だけでなく、岩場やクレーターのような急な斜面でも、ロボットは「短距離コーチ」と「長距離監督」の力を借りて、着地地点を計算し、バランスを保っていました。

🚀 まとめ

この論文は、**「月探査ロボットが、重力の少ない世界で、岩だらけの地形を連続ジャンプで移動できる」**ことを証明しました。

• 技術の核心: 「瞬間の動き」と「長い流れ」の両方を同時に考える AI の脳。
• 実験の核心: 地上で「月と同じ重力と地形」を再現する、デジタルと現実が融合した実験装置「MATRIX」。

これは、将来、月や火星で、人間に代わって過酷な地形を探査するロボットが活躍するための、重要な一歩となりました。まるで、**「月面探査用の新しい『跳ねる』スタイル」**を確立したようなものです！

技術概要

1. 問題設定 (Problem)

月面などの低重力環境における探査において、車輪型ローバーは滑りや沈没により移動が制限されるため、脚型ロボットが有望視されています。特に、重力加速度が小さいため飛行時間が長く、接地間隔が疎になる「プロンキング（連続ジャンプ）」はエネルギー効率が良い移動様式です。

しかし、従来のアプローチには以下の課題がありました：

• 状態推定の難しさ: 低重力下では飛行相（空中時間）が非常に長くなり、接地イベントが疎になります。従来の短い時間窓（Short-horizon）に基づく状態推定では、ジャンプサイクル全体の状態変化（特に重心高度の推移や水平運動の傾向）を捉えきれず、安定した連続ジャンプが困難でした。
• ハードウェア検証の欠如: 既存の研究は主に平坦な地面での単発ジャンプやシミュレーションに留まっており、凹凸のある月面地形を想定した連続ジャンプの実機検証（特に低重力エミュレーション下でのもの）が不足していました。

2. 提案手法 (Methodology)

A. 双時間軸ハイブリッド内部モデル (Dual-Horizon Hybrid Internal Model)

本論文の核心となる制御フレームワークです。外部地形センサに依存せず、プロプリオセプティブ（自己運動感覚）センサのみで動作します。

• 2 つの時間軸エンコーダ:
  1. 短時間軸ブランチ (Short-Horizon): 直近の 6 ステップ（約 0.12 秒）の観測データを処理。急激な垂直速度の変化を捉え、離陸・着地時のフェーズ認識と垂直速度推定（$\hat{v}_z$）に特化します。
  2. 長時間軸ブランチ (Long-Horizon): サンプル化された 15 フレーム（約 0.9 秒）の観測データを処理。ジャンプサイクル全体にわたる水平運動の傾向と重心（CoM）高度の推移（$\hat{h}$）を捉えます。
• 特徴融合: これら 2 つのブランチから得られた推定値（垂直速度、水平速度、重心高度）と潜在変数を融合し、方策ネットワークへの入力として提供します。これにより、長い空中時間における状態の完全な進化をモデル化します。
• 学習手法: 強化学習（PPO）を用いて訓練。推定器は、真値（シミュレータ情報）への回帰損失と、将来の観測に対するコントラスト学習（InfoNCE）を組み合わせることで訓練されます。

B. フェーズ適応型ゲート付き報酬設計 (Phase-Adaptive Gated Reward)

接触センサや明示的なフェーズ変数を使わず、重心高度と垂直速度からジャンプ段階（離陸、飛行、着地）を推論し、段階ごとに異なる報酬を適用します。

• 離陸: 十分な垂直速度を促す。
• 飛行: 空中での姿勢安定性（ロール・ピッチ角の最小化）を促す。
• 着地: 協調的な接地と衝撃吸収を促す。

C. MATRIX プラットフォーム (Hardware-in-the-Loop)

実機検証のために開発された「Mixed-reality Adaptive Testbed for Robotic Integrated eXploration」です。

• 低重力エミュレーション: 天井からのプーリーと分銅（カウンターウェイト）機構により、ロボットの重量を月面重力（約 1/6）まで軽減します。
• 地形・運動エミュレーション: 6 自由度の Stewart プラットフォームとモーター付きトレッドミルを組み合わせます。Unreal Engine 上のデジタルツイン（月面地形）から、ロボットの足跡位置における地形法線をリアルタイムで計算し、プラットフォームの傾斜（ロール・ピッチ）とトレッドミルの速度を制御します。これにより、物理空間で月面のような凹凸地形を再現しながら連続移動を可能にします。

3. 主要な貢献 (Key Contributions)

1. 双時間軸制御フレームワーク: 複雑な月面地形における連続四足ジャンプを実現するための、マルチタイムスケール内部モデルとフェーズ適応型報酬設計の提案。
2. MATRIX プラットフォームの構築: 低重力と 3 次元地形をリアルタイムにエミュレートする、デジタルツイン駆動のハードウェア・イン・ザ・ループシステムの実装。
3. 実機実験による実証: 提案されたプラットフォームを用いて、クレーター状の月面類似地形において、四足ロボットが月面重力エミュレーション下で連続ジャンプに成功したことを実証。

4. 実験結果 (Results)

シミュレーション内アブレーション研究

• 状態推定精度: 双時間軸モデルは、垂直速度の急激な変化（短時間軸）と重心高度の推移（長時間軸）の両方を、単一の時間軸モデル（Short-only, Long-only）よりも高精度に推定しました（MSE 最小）。
• 制御性能: 提案手法は、生存時間（バランスを崩すまでの時間）が 18.9 秒、着地成功率が 86.7% と、他の設定（単一時間軸やフェーズ報酬なし）と比較して最も優れた性能を示しました。特にフェーズ適応型報酬がない場合、離陸や着地が不安定になり性能が大幅に低下しました。

実機実験 (MATRIX プラットフォーム)

• ロバスト性: 重力ドメインランダム化（重力値の揺らぎの模倣）とフェーズトリガード擾乱（ケーブルの弛みを模倣した衝撃）の両方を学習に組み込むことで、トレッドミル速度（0.3〜0.7 m/s）の変化や、平坦な「海原（Mare）」から凹凸のある「クレーター地形」まで、すべてのシナリオで安定した連続ジャンプを達成しました。
• 性能比較: 提案手法（Ours）は、他の比較手法（DR のみ、PD のみ、ベースライン）と比較して、すべての速度と地形条件で最長の生存時間を記録しました（例：0.3 m/s 時、20.0 秒）。
• 地形の影響: 平坦な地形では安定して動作しましたが、急峻な勾配を持つクレーター地形では、足場の安定化が難しく、速度が上がるにつれて性能が低下する傾向が見られました。

5. 意義と結論 (Significance & Conclusion)

この研究は、低重力環境における脚型ロボットの移動制御において、「長い空中時間」を適切に扱うための新しい状態推定アーキテクチャを提案し、「低重力と複雑地形の同時エミュレーション」を実現する実証プラットフォームを構築した点で画期的です。

• 技術的意義: 従来の短い時間窓に依存する手法の限界を克服し、マルチタイムスケールの内部モデルによって、月面のような特殊環境でも安定した動的移動（連続ジャンプ）が可能であることを示しました。
• 応用可能性: 将来的な月面探査ミッションにおいて、車輪型ローバーが到達できないクレーターや急斜面、溶岩管などの過酷な地形での自律移動への道を開くものです。
• 今後の課題: 懸垂ケーブルによる運動範囲の制限や、ケーブル張力の揺らぎ、および月面レゴリスとの接触力学のモデル化不足は残されていますが、これらの課題は今後の研究の重要な方向性を示しています。

総じて、本論文はシミュレーションから実機までの一貫した検証プロセスを通じて、低重力環境における四足歩行ロボットの高度な移動制御の可能性を具体的に示した重要な成果です。