✨ 要約🔬 技術概要
人間のように振る舞うことを想定したロボットを想像してみてください。そのロボットは、道を歩きながら同時に手で絵を描く必要があります。通常、科学者は「歩行のための脳」と「腕の動きのための脳」を、2つの別々の独立したシステムとして構築します。これらは単独ではうまく機能しますが、互いに通信することはありません。
この論文は、ロボット（具体的にはUnitree H1ヒューマノイド）のための、新しい統合された「脳」を紹介しています。この脳は、両方の動作を同時に行い、かつ瞬時に切り替えることができます。最もエキサイティングな点は、この脳がすべて**スパイキングニューラルネットワーク（SNN）**で構築されていることです。
以下に、簡単な比喩を用いた仕組みの解説をまとめます。
1. 脳：ホタルによるネットワーク
ほとんどのコンピュータの脳（スマートフォンのようなもの）は、絶え間なく数値を計算し続ける、一定の流れの電気のように機能します。しかし、この新しいシステムは、ホタルの群れ のように機能します。
スパイキング（発火）： 一定のハミング音ではなく、ニューロンはメッセージを送る必要がある時まで静かにしています。メッセージが必要になった瞬間に、「スパイク」と呼ばれる小さな電気的な火花を放ちます。なぜ重要か： ホタルが、必要な時だけ光るのと同じように、このシステムは非常に少ないエネルギーしか消費しません。これは、将来的に特殊な低電力ハードウェア上で動作できるほど効率的に設計されています。
2. マネージャー：「交通整理員」（基底核）
ロボットはどうやって、歩くべきか描くべきかを判断するのでしょうか？ それは、基底核 と呼ばれる脳の一部を使用しており、これは交通整理員 や交換手 のような役割を果たします。
役割： ロボットには「歩く」と「描く」という2つの主要なタスクがあります。交通整理員は状況を見極め、どちらのタスクに「青信号」を出すかを決定します。メカニズム： 「歩く」信号と「描く」信号の両方が、閉まったドアを通ろうとしている場面を想像してください。交通整理員は、デフォルトでは両方のドアを閉じたまま（抑制）にします。歩くべき時になると、交通整理員は「歩く」ドアのロックを解除し、「描く」ドアのロックを維持します。これは**脱抑制（disinhibition）**と呼ばれます。結果： ロボットは、スムーズに描く動作を止め、腕を安全に引き込み、転んだり混乱したりすることなく、歩行を開始して再び描画へと切り替えることができます。
3. 腕：「筋肉の記憶」（REACHモデル）
腕を制御するために、研究者たちは人間の脳が腕をどのように制御するかを模倣したREACH というモデルを使用しました。彼らは脳を3つの専門チームに分解しました。
センサーチーム（S1）： このチームは、現在腕がどこにあるかを感知します（例：あなたの目が、自分の手がどこにあるかを脳に伝えるようなものです）。プランナー（計画）チーム（M1）： このチームは、手をターゲットへ動かすための数学的計算を行います。論文ではここで巧妙なトリックに触れています。巨大で複雑な7次元の数学問題を一度に解こうとするのではなく、3つのより小さく簡単な5次元の問題（X、Y、Zの各方向）に分解しました。これは、重い箱を運ぶ際、一度に無理に持ち上げるのではなく、3回に分けて運ぶ方が簡単であるのと似ています。スタビライザー（安定化）チーム（小脳）： このチームは、重力や慣性といった物理現象を扱い、腕が激しく揺れすぎないように制御します。
4. 足：「翻訳機」（ANNからSNNへ）
ロボットの歩行部分は、もともと標準的な人工ニューラルネットワーク（ANN）——歩行には非常に優れているが電力を多く消費する「普通の」コンピュータの脳——を使用して学習されました。
課題： 研究者たちは、この「普通の」脳を「ホタル」の脳（スパイキング脳）へと翻訳しなければなりませんでした。問題は、元の脳が負の数値を生成しうる数学関数（ELU）を使用していたことです。実際のニューロン（ホタル）は負に発火することはできず、「オン」か「オフ」の状態しか取れません。解決策： 彼らはハイブリッドチーム を作成しました。「正の」数学を扱うホタルのグループと、「負の」数学を扱う別のグループを使用し、それらの結果を合算しました。これにより、元の脳の歩行スキルを、エネルギー効率の高いスパイキング脳へとコピーすることができました。
5. テスト走行
研究者たちは、2つの異なるソフトウェアが通信し合うシミュレーション（仮想世界）の中で、このシステムをテストしました。
Nengo： 「脳」のシミュレーター。Isaac Sim： 「物理」のシミュレーター（ロボットが実際に歩いたり動いたりする場所）。
何が見られたのか？
ロボットは経路に沿って歩行することに成功しました。
ロボットは手で数字の「8」と「5」を描くことに成功しました。
最も重要なことに、交通整理員 は、ロボットを「歩行」から「描画」へ、そしてまた戻すという切り替えに成功しました。描画に切り替わると、「歩行」のニューロンは静まり、「描画」のニューロンが活発に反応しました。
結論
この論文は、単一の統合されたスパイキングニューラルネットワークが、フルサイズのヒューマノイドロボットの歩行と腕の動きの両方を制御した初めて の事例であると主張しています。これは、標準的なコンピュータプロセッサではなく、生物学的な神経系に基づいた（スパイキング）脳を用いることで、ロボットが複雑なタスク間を切り替えられることを証明しています。
彼らがやっていないこと（論文による）：
実物の物理的なハードウェア上でのテストはまだ行っていません（シミュレーション内のみ）。
腕を動かしながらバランスを取るシステムは構築していません。描画している間、ロボットが転倒しないように腰を地面に固定していました。
不整地（階段や岩場など）でのテストは行っていません。歩行は平坦な面でのみテストされました。
技術要約：腕と移動制御を協調させるスパイキング神経アーキテクチャ
問題提起
スパイキングニューラルネットワーク（SNN）とニューロモーフィック・ハードウェアの組み合わせは、ヒューマノイドロボット制御における低消費電力なソリューションとして期待されている。しかし、既存のスパイキングニューラルネットワークに基づく運動制御システムは、通常、二足歩行と腕の操作を個別に扱う。意味のある多段階的な物理的相互作用を実現するための前提条件である、単一のスパイキング・アーキテクチャ内で両方の動作を同時に管理する統合制御システムは不足している。現在の研究では、これらを統合された能力としてではなく、別々の並行タスクとして扱うことが多く、高レベルの行動選択と低レベルの力ベースの制御の両方を完全にスパイキングの枠組みで組み合わせたシステムもほとんど存在しない。
手法
著者らは、Neural Engineering Framework (NEF) と Semantic Pointer Architecture (SPA) を利用した、Unitree H1 ヒューマノイドロボットのための統一されたスパイキング制御アーキテクチャを提示する。システムは Nengo で実装され、Isaac Sim との共同シミュレーションが行われている。このアーキテクチャは、主に相互作用する3つのモジュールで構成されている。
1. スパイキング腕制御 (REACH モデル)
腕コントローラは、REACH（Recurrent Error-driven Adaptive Control Hierarchy）モデルを4自由度のヒューマノイドアームに適応させたものである。これは、以下の3つの生物学的な基礎に基づくモジュールへと分解された、Operational Space Control (OSC) フレームワークを採用している。
体性感覚野 (S1): 自己受容感覚の状態（関節の位置、速度、およびエンドエフェクタの位置）を符号化する。一次運動野 (M1): 運動学的成分を計算し、腕のヤコビアンと慣性行列を介してタスク空間のエラーを関節トルクへとマッピングする。3次元空間における4自由度アームの高次元性（7次元の入力空間）に対処するため、著者らは制御方程式を3つの独立した空間成分（X, Y, Z）に分解し、単一の7次元アンサンブルではなく、個別の5次元ニューラルアンサンブルを利用している。小脳 (CB): 速度依存のダンピングや重力補償を含む動的な補償を処理する。M1と同様に、動力学の式は各関節速度ごとの独立した項に分解され、表現負荷を8次元から4つの5次元アンサンブルへと削減している。
2. スパイキング二足歩行
歩行コントローラは、学習済みの人工ニューラルネットワーク（ANN）ポリシー（ELU活性化関数を用いた3層MLP）をSNNを用いて近似する。
ANNからSNNへの変換: 生物学的なニューロンは（ELU活性化関数のようには）負の活動を生み出すことができないため、著者らは新しい変換手法を提案している。各ELU隠れユニットは、負のハーフスペース用のLeaky Integrate-and-Fire (LIF) ニューロンのアンサンブルと、正のハーフスペース用のスパイキングReLU型ニューロンのアンサンブルからなるハイブリッドアンサンブルによって近似される。時間力学: 層間のスパイキング通信を安定させるため、フィードフォワード接続はシナプス時定数（τ f w d = 2 \tau_{fwd} = 2 τ f w d = 2 経路追従: スパイキング経路追従コントローラは、参照経路とロボットの状態との間の誤差を計算し、ポリシーネットワークに対して前進速度と回転角のコマンドを生成する。
3. 基底核による統合制御
歩行と腕の制御間の行動選択は、生物学的な基礎に基づくスパイキング基底核モデルによって媒介される。
メカニズム: このモデルは、直接路（strD1）と間接路（strD2）を用いて行動を選択する。淡蒼球内節（GPi）は最終的な抑制出力として機能し、高いベースライン発火率を維持することで、すべての運動コマンドを抑制する。脱抑制: 特定の行動（例：「歩く」または「描く」）の効用が増加すると、対応するGPiクラスターが抑制（脱抑制）され、選択された運動動作が解放される一方で、他の動作は抑制されたままとなる。これにより、システムは歩行と腕の操作を切り替えることができる。
主な貢献
統合スパイキングコントローラ: 本研究は、フルスケールのヒューマノイドプラットフォーム（Unitree H1）上で、二足歩行と腕の制御を組み合わせ、基底核の脱抑制を介してそれらの間を切り替えることに成功した、初の統合スパイキングコントローラである。適応型REACHモデル: 著者らは、REACHモデルが3次元の運用空間制御における計算負荷を管理するために次元分解を利用することで、フルスケールのヒューマノイドプラットフォームに適応可能であることを示している。新規のANN-to-SNN変換: 負の活動（具体的にはELU非線形性）を持つ学習済みANN歩行ポリシーを、スパイキング相当へと変換する手法を提案している。これには、ハイブリッドアンサンブル・アプローチ（負の領域にはLIF、正の領域にはReLU様）と、クローズドループ制御における時間力学を扱うためのシナプスフィルタリングが含まれる。
結果
システムは、Nengo（神経制御）とIsaac Sim（物理演算）の共同シミュレーションを通じて検証された。
腕制御: システムは目標到達（エンドエフェクタの位置をターゲットから4cm以内に維持）および連続的な数字の描画（「5」と「8」をトレース）を正常に実行した。スパイキングコントローラは、空間的な不一致を効果的に最小化し、参照軌跡を追跡した。歩行: ANNポリシーのスパイキング近似は、平坦な地形での安定した歩行を達成した。スパイキングポリシーは、参照となるANNと比較して、重心の摂動がわずかに大きく、軽微な振動が見られたものの、定義された経路を正常に追従した。アブレーション研究により、アンサンブルの50%を停止させると自然な歩行の振動が突如として停止することが確認され、スパイキングネットワークの因果的役割が検証された。行動選択: 基底核モジュールは、歩行と腕の制御間の遷移を正常に媒介した。線条体（strD1）の神経活動は効用信号を追跡し、GPiは期待通りの脱抑制パターンを示し、選択された運動シーケンスを明確に解放すると同時に、もう一方の動作を抑制した。
意義と主張
著者らは、本研究が、フルスケールのヒューマノイド上で歩行と腕の制御を実行し、その間をスムーズに切り替えることができる、初の統合スパイキングコントローラであると主張している。
科学的影響: 本研究は、歩行、描画、および状態遷移を単一のスパイキングアーキテクチャ内で統合している。高次元の運動学的および動力学的計算を、独立した低次元のアンサンブルに分解することは、信号対雑音比（SNR）とデコーディング精度を向上させると主張されている。手法的な進展: 負の活動を持つELU非線形性を、クローズドループ制御ポリシーにおいて非負近似することに成功したことは、従来のANN-to-SNN変換（主にフィードフォワードの視覚モデルに焦点を当てたもの）の系譜に対する重要な拡張として提示されている。将来の展開: 完全なスパイキング実装は、低電力のニューロモーフィック・ハードウェアへの将来的な展開を可能にするものとして強調されている。
著者らは、腕の制御中の姿勢安定性が、現在は創発的な神経力学ではなく、アーキテクチャ上のアンカー（骨盤の接地）によって確保されていることを指摘し、限界についても認めている。また、歩行ポリシーは現在、平坦な地形に限定されている。
毎週最高の computer science 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。 登録 ×