STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching

本論文は、エネルギー保存則を維持するラグランジュニューラルネットワークと、複雑な確率的な相互作用を捉える条件付きフローマッチングを統合した「STRIDE」という動的学習フレームワークを提案し、不確実な環境下でのロボット制御における長期予測精度と接触力予測の大幅な改善を実現したことを示しています。

要約

この論文は、ロボットが「予測不能な現実世界」でどうやって上手に動き回るかを学ぶ新しい方法について書かれています。

タイトルは**「STRIDE」（歩む、またぐ、という意味の英単語）ですが、ここでは「ロボットのための『物理の法則』と『経験則』を上手に混ぜ合わせた新しい脳」**と考えると分かりやすいです。

以下に、専門用語を排して、日常の例え話を使って解説します。

---

1. 問題：ロボットはなぜ転んだり、つまずいたりするのか？

ロボットを研究室のきれいな床で動かすのは簡単です。でも、現実世界（泥だらけの地面、滑りやすい氷、突然ぶつかる壁など）では、予測がつかないことがたくさんあります。

• 従来の方法 A（物理の教科書だけ）：
  「質量、重力、摩擦係数」を完璧に計算して動かそうとします。
  👉 弱点： 現実の「泥の粘りつき」や「靴底の滑り」のような複雑な現象は、教科書には載っていません。だから、計算通りいかないことが多いのです。
• 従来の方法 B（AI だけ）：
  過去のデータを見て「次はどうなるか」を AI に覚えさせます。
  👉 弱点： 物理法則を無視して学習するため、「エネルギーが勝手に増える」ようなバグが起きたり、長い時間予測するとどんどん狂っていってしまいます（ドリフト）。

2. STRIDE のアイデア：「物理の骨格」と「経験の肉」を合体させる

STRIDE は、この 2 つの長所を組み合わせ、短所を補う**「ハイブリッドな脳」**を作りました。

① 骨格：ラグランジュ神経網（LNN）＝「物理の教科書」

まず、ロボットが動くための基本ルール（重力、慣性、関節の動きなど）は、AI がゼロから覚えるのではなく、**「物理の法則」**という確実なルールに基づいて作ります。

• 例え： これは、ロボットが「人間が歩いている」という骨格を持っているようなものです。骨格がないと、ただの布の塊になってしまいます。これにより、エネルギーが勝手に増えたり減ったりするバグを防ぎます。

② 肉：確率的な残差（CFM）＝「経験則と直感」

次に、教科書に載っていない**「予測不能な部分」**（足が泥に埋まる、氷で滑る、壁にぶつかる瞬間など）を AI に任せます。

• 重要なポイント： 従来の AI は「平均値」を予測していました。
  • 例： 「足が滑る場合も、止まる場合もある」のに、AI が「半分滑って半分止まる」というありえない中間状態を予測してしまうのです。
• STRIDE の工夫： 「CFM（フローマッチング）」という技術を使って、「滑るかもしれないし、止まるかもしれない」という複数の可能性を同時に表現できるようにしました。
  • 例え： 天気予報で「明日は雨か晴れか」を「半雨半晴れ」と言うのではなく、「雨の確率 70%、晴れ 30%」と複数の未来をシミュレーションできるような感覚です。

3. どうやって動くの？（STRIDE の仕組み）

STRIDE は、ロボットが動く瞬間にこう考えます：

1. 基本計算（骨格）： 「今の姿勢と力なら、物理法則上こう動くはずだ」と計算する。
2. 補正（肉）： 「でも、地面が滑りやすいかもしれないし、衝撃が強いかもしれない。過去のデータから、**『滑るパターン』と『止まるパターン』**の両方を考えて、どちらが起きそうか確率的に予測する」。
3. 実行： この 2 つを足して、最も確からしい動きを実行する。

4. 結果：どれくらいすごいのか？

この新しい脳（STRIDE）を、四足歩行ロボット（Unitree Go1）や二足歩行ロボット（Unitree G1）に搭載してテストしました。

• 長い距離を予測する精度：
  従来の方法に比べ、20% 以上も予測が正確になりました。遠くまで予測しても、ロボットが「どこにいるか」を間違えにくくなりました。
• 衝撃や摩擦の予測：
  足が地面にぶつかる瞬間の力を予測する精度が30% 向上しました。これにより、ロボットは「滑りそうだからバランスを取る」といった判断を、転倒する前に素早く行えるようになりました。
• リアルタイム性：
  複雑な計算でも、1 回 3 ミリ秒という超高速で処理できます。これなら、ロボットがリアルタイムでバランスを取りながら走っても追いつけます。

5. 実世界での活躍

シミュレーションだけでなく、実際のロボットでも実験しました。

• 泥地、芝生、斜面、摩擦の違う床など、ロボットが一度も見たことのない地形でも、学習なしでスムーズに歩き回ることができました。
• 従来のロボットが「滑って転びそうになる」ような場所でも、STRIDE を使ったロボットは「あ、ここは滑るな」と予測して、足元を調整して安定して歩きました。

まとめ

STRIDE は、**「物理の法則（確実な骨格）」と「AI の経験則（柔軟な肉）」**を完璧に融合させた新しいロボット制御の技術です。

• 昔のロボット： 教科書通り動くが、現実の泥や氷には弱い。
• 昔の AI ロボット： 経験から学ぶが、物理法則を無視してバグったり、遠くまで予測できない。
• STRIDE ロボット： 物理の法則を土台にしつつ、泥や氷のような「予測不能な現実」を柔軟に予測して、転びにくく、どこでも走れるロボットを実現しました。

これは、ロボットが「研究室」から「私たちが暮らす現実の世界」へ、本当の意味で進出するための大きな一歩と言えるでしょう。

技術概要

STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching

技術的サマリー（日本語）

本論文は、不確実性の高い環境下で動作するロボットシステム向けに、STRIDE（Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching）と呼ばれる新しい動力学学習フレームワークを提案しています。この手法は、確定的な物理構造と確率的な相互作用効果を明示的に分離し、それぞれに適したモデル化手法を組み合わせることで、高精度かつ物理的に整合性のある予測を実現します。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 背景と問題定義

ロボット、特に脚付きロボットやヒューマノイドは、制御された実験室環境ではなく、摩擦の変動、接触の断続性、未モデル化のコンプライアンス、アクチュエータの非線形性などにより生じる大きな不確実性を含む非構造化環境で動作する必要があります。

既存のアプローチには以下のような課題があります：

• 解析的剛体モデル: 物理法則に基づいており構造が堅牢ですが、複雑な接触や摩擦の影響を捉えきれず、モデルの誤差が蓄積しやすい。
• モデルフリー（強化学習など）: 高い運動性能を示すが、将来の状態推論や制約処理、オンライン適応のための予測モデルを提供しない。
• 純粋なデータ駆動モデル: 表現力が高いが、物理的な整合性（エネルギー保存則など）を欠き、長期的な予測でドリフトが発生しやすい。
• 既存の物理情報ニューラルネットワーク（LNN など）: 物理構造を保持するが、摩擦や接触衝撃などの非保存力を確定的な残差項としてモデル化している。これにより、接触時の多モーダルな挙動（すべりか固定かの分岐など）を平均化してしまい、物理的に実現不可能な予測を生む「平均化バイアス」の問題が発生する。

STRIDE の目的は、これらの課題を解決し、物理的な整合性を保ちつつ、複雑な確率的相互作用を高精度にモデル化できる動力学学習フレームワークを構築することです。

2. 手法 (Methodology)

STRIDE は、ロボットの動力学を以下の 2 つのコンポーネントに分解してモデル化します。

A. 構造化されたラグランジュ事前分布 (Structured Lagrangian Prior)

• 役割: 慣性、コリオリ力、遠心力、重力など、ロボットの幾何学形状と質量分布に依存する**保存力（Conservative Forces）**をモデル化します。
• 実装: **ラグランジュニューラルネットワーク（LNN）**を使用します。
  • 運動エネルギー $T$ と位置エネルギー $V$ をニューラルネットワークで学習し、オイラー・ラグランジュ方程式を満たすように構成されます。
  • 質量行列 $M(q)$ が正定値行列であることを保証するため、コレスキー分解 $M = LL^T$ を用いてパラメータ化します。
  • これにより、エネルギー保存則や物理的な整合性が構造的に保証されます。

B. 確率的残差動力学 (Stochastic Residual Dynamics)

• 役割: 摩擦、衝撃、接触による非保存力（$F_{ext}$）など、不確実で非保存的な相互作用をモデル化します。
• 実装: **条件付きフローマッチング（Conditional Flow Matching, CFM）**を使用します。
  • 従来の確定的な残差モデルではなく、状態 $(q, \dot{q}, \tau)$ に条件付けられた確率的生成プロセスとして残差力を表現します。
  • CFM は、単純なノイズ分布からターゲット分布への連続的な輸送マップを学習します。これにより、拡散モデルのような反復的なサンプリングを必要とせず、効率的に多モーダルな分布（例：接触時のすべりと固定の両方のモード）からサンプリング可能です。
  • 予測加速度は以下のように計算されます：
    $$\ddot{q}_{pred} = f_{LNN}(q, \dot{q}, \tau) + M^{-1}(q) \cdot \epsilon_{CFM}(q, \dot{q}, \tau, z)$$
    ここで、$\epsilon_{CFM}$ は潜在変数 $z$ を用いてサンプリングされた確率的残差です。

C. 共同最適化 (Joint Optimization)

• LNN と CFM の 2 つのコンポーネントは、観測された加速度データに対してエンドツーエンドで共同学習されます。
• これにより、LNN が低バリアンスの構造化動力学を学習し、CFM が高バリアンスの確率的変動を学習するという「暗黙的な役割分担」が促進されます。

3. 主要な貢献 (Key Contributions)

1. 物理的整合性と確率的表現の統合: 保存力には物理構造（LNN）を、非保存力には確率的生成モデル（CFM）を適用し、両者の長所を融合した新しい動力学学習パラダイムを提案しました。
2. 平均化バイアスの解消: 接触や摩擦変化など、多モーダルな挙動を示す領域において、確定的な回帰モデルが引き起こす「平均化バイアス」を、生成モデルによるサンプリングで回避し、物理的に実現可能な複数の未来状態を表現可能にしました。
3. 計算効率の向上: 拡散モデル（Diffusion Models）と比較して、CFM は連続時間の輸送マップを学習するため、推論時の反復回数が少なく、リアルタイム制御（高頻度ループ）への組み込みが容易です。
4. 実機での検証: Unitree Go1（四足歩行ロボット）と Unitree G1（ヒューマノイド）でのシミュレーションおよび実機実験を通じて、モデルベース制御（MPPI）における有効性を実証しました。

4. 実験結果 (Results)

実験は、Pendulum（振り子）、Unitree Go1、Unitree G1 上で実施されました。

• 長期的な予測精度:
  • 30 ステップ先の予測（Long-horizon rollout）において、STRIDE は ONN（ブラックボックス）と比較して 83%（Go1）、53%（G1） の誤差削減を実現しました。
  • 物理構造を持つ最良のベースライン（LNN + Diffusion）と比較しても、さらに 19%〜21% の誤差削減を達成しました。
• 接触力予測:
  • 接地反力の予測誤差は、決定論的な残差モデル（DeLaN）と比較して 約 30% 削減されました。
  • 接触時の衝撃やスイング - スタンスタイミングの急激な変化を、決定論的モデルが平滑化してしまうのに対し、STRIDE はその急峻な不連続性を正確に捉えています。
• 推論効率:
  • CFM は拡散モデルよりも少ない関数評価回数（NFEs）で同等以上の精度を達成し、推論頻度を向上させました。これにより、50Hz の制御ループ内でのリアルタイム実行が可能になりました。
• 実機デプロイメント:
  • Unitree Go1 上で、泥地、芝生、摩擦係数の異なる表面、20 度の傾斜など、4 つの未見の地形に対するゼロショット適応に成功しました。
  • 速度変化や地形変化に対して、追加の学習なしで安定した歩行（トロット、プロンク、ペースなど）を維持しました。
• 敏感な動力学領域での挙動:
  • 不安定な平衡点（振り子の直立状態）近傍の位相空間解析において、決定論的モデルは軌道の歪みやドリフトを示しましたが、STRIDE は物理的に整合した位相トポロジーを維持し、多モーダルな進化を正確に捉えました。

5. 意義と結論 (Significance)

STRIDE は、モデルベース制御の分野において重要な進展をもたらします。

• 信頼性の向上: 物理法則を遵守しつつ、現実世界の複雑な不確実性を捉えることで、長期的な予測ドリフトを抑制し、より安全で信頼性の高い計画・制御を可能にします。
• 実用性: CFM の採用により、生成モデルの計算コストを低減し、高頻度のリアルタイム制御ループへの組み込みを現実的なものとしています。
• 汎用性: 四足歩行ロボットからヒューマノイドまで、多様なロボットプラットフォームで有効性が確認されており、複雑な接触環境における制御課題に対する強力なソリューションとなります。

将来的には、この枠組みを不確実性を考慮したリスク感受性計画（Risk-sensitive planning）や、視覚観測を取り入れた知覚駆動型の残差モデルへと拡張することが期待されています。