技術要約：最小限の外受容的監視による、ロバストな脚式オドメトリのオンライン学習

問題提起

脚式ロボットのロバストなナビゲーションは、通常、マルチセンサ・フュージョンを通じて達成される正確なオドメトリに依存している。しかし、従来のアプローチには、デプロイメントにおける大きな障壁が存在する：

1. 校正とモデリングの複雑さ： 自己受容的（関節センサ、IMU）データと外受容的（カメラ、LiDAR）データを融合するには、細心の注意を払ったセンサ間校正とプラットフォーム固有の運動学モデリングが必要となる。これらのパラメータは、ロボットの構成やセンサの取り付け状態の変化に対して敏感である。
2. 環境劣化に対する脆弱性： 工業的にパッケージ化された外受容的センサは正確なトラッキングを提供するが、敵対的な条件下（例：カメラにおける低照度、LiDARにおける特徴のない環境）では機能不全に陥る。
3. 自己受容能の限界： 純粋な自己受容的手法は、手設計された運動学および接触モデルに依存しており、これらは滑り、衝撃、地形のコンプライアンス、またはペイロードの変化によって劣化する。
4. オフライン学習の制約： 既存の学習ベースの手法は、多くの場合、代表的なデータセットを用いたオフライン学習を必要とするため、事前学習なしに新しいハードウェアや動的な環境に適応することが困難である。

本論文は、プラグアンドプレイでプラットフォームに依存しないオドメトリシステムの必要性に対処するものである。これは、最小限の監視の下で、自己受容的な速度マッピングをオンラインで学習し、明示的な校正や事前学習を不要にし、外受容的センサが故障した際にシームレスに学習された自己受容能へとフォールバックできるものである。

手法

提案されるシステムは、オンライン学習型自己受容モジュールと、**ロバストな不変拡張カルマンフィルタ（InEKF）**フレームワークという2つの主要なコンポーネントで構成される。

1. 低ランクEKFによる効率的なESNベースの自己受容能

核心となる革新は、手設計のモデルを用いることなく、ノイズを含む関節レベルのセンシング（位置、速度、トルク）から基底速度を直接推定することを学習する自己受容モジュールである。

• エコー状態ネットワーク（ESN）バックボーン： 再帰的な重みをオンラインで訓練する計算コストを避けるため、システムはESNを使用する。関節信号の履歴は、固定されランダムに初期化された再帰ダイナミクスを介して、リザーバ状態（$x_t$）へと圧縮される。これは、自己受容的な履歴の遅延埋め込みとして機能する。
• MLPリードアウト： 多層パーセプトロン（MLP）の重み $\hat{\theta}_t$ が、リザーバ状態を基底速度（$v^{esn}_t$）へと写像する。
• 低ランクEKF（LOFI）によるオンライン訓練： ストリーミングデータにおける不確実性の定量化やサンプル重み付けに苦慮する確率的勾ディセント（SGD）の代わりに、著者らはフィルタリングアプローチを採用している。
  • 最適なリードアウトパラメータ $\theta^*_t$ は、ランダムウォークを介して進化する潜在状態として扱われる。
  • 低ランクEKFは、利用可能な場合に限って、疎な外受容的速度監視信号（$v^{sup}_t$）を用いてMLPの重みをリアルタイムで更新する。
  • この手法は、自己受容的な入力（リザーバ状態の共分散）と監視信号の両方の不確実性を考慮に入れている。
  • 低ランク近似（LOFI）の使用により、システムは高次元のMLP重み（$D \approx 8000+$）をリアルタイムで扱うことができ、メモリ複雑度は $O(D(L+C))$、計算複雑度は $O(D(L+C)^2)$ を維持している。

2. ロバストなInEKFベースの脚式オドメトリ

学習された自己受容的速度は、IMUデータおよびオプションの外受容的速度と、InEKFフレームワーク内で融合される。

• 状態表現： ナビゲーション状態には、姿勢、速度、位置、およびIMUバイアスが含まれ、ストラップダウンIMUモデルを介して伝播される。
• 適応的計測選択： スイッチングマネージャが、速度計測ソースを動的に選択する：
  • 外受容的（VINS）： 視覚慣性システムが信頼できる場合に使用される。また、これは自己受容的MLPを更新するための監視信号としても機能する。
  • 自己受容的（ESN）： VINSが劣化した場合（例：テクスチャのないシーン、照明の変化）、システムは学習された自己受容モデルに依存する。このモデルは、信頼できる監視が行われている期間中に更新されている。
• 不確実性の処理： スイッチングロジックは、VINSの健全性（特徴量トラッキングの質と共分散）およびESNの共分散を監視する。VINSが「使用不可」とマークされ、かつESNの共分散が低い場合、システムは状態推定とMLPの更新の両方に学習された自己受容的速度を使用するように切り替え、不適切な監視による汚染を防ぐためにMLPの更新を停止する。

主な貢献

1. オンライン自己受容学習： 本論文は、展開中にオンラインで訓練される、ESN上のMLPリードアウトとして脚式自己受容能をモデル化する最初の手法を提示する。これは、事前学習も、手設計の運動学・接触モデルも必要とせず、自己受容センサを備えたあらゆる脚式ロボットに転移可能である。
2. 低ランクEKFによるニューラル訓練： 著者らは、低ランクEKFを利用して、MLPリードアウトの重みをオンラインで訓練する。このアプローチは、重みと入力の両方の不確実性を一意に定量化し、監視信号の質に基づいた適応的な学習率を可能にし、ストリーミング設定における標準的なSGDの限界を克服している。
3. ロバストなInEKFフレームワーク： IMUデータと、学習された自己受容的または外受容的速度のいずれかを最適に融合する、統一されたオドメトリフレームワーク。これは、外受容的センサが劣化した場合にレジリエンスを確保し、学習された自己受容モデルへとシームレスにフォールバックする適応的スイッチング戦略を備えている。

実験結果

本手法は、2つの四脚プラットフォーム、Boston Dynamics SpotおよびGhost Robotics Vision 60を用いて検証された。

• Spotデータセットによる評価：

  • システムは、様々なシーケンス（ATRIUM、BICORRIDOR、DOWNSTAIRなど）において、10秒、30秒、60秒の監視ウィンドウを用いてテストされた。
  • 性能： わずか30秒の監視で、手法は信頼できる速度マップを学習した。多くのシーケンスにおいて、本手法はGaRLILEO（外受容・自己受容ベースライン）やLeg-InEKF（オフライン校正ベースライン）と同等、あるいはそれらを上回る性能を示した。
  • 観察： 精度は監視ウィンドウが長くなるにつれて向上した。例外として、OVERPASSシーケンス（階段の下り）において、非監視時の運動分布が監視時（平地/階段の上り）と大きく異なっていたため、ドリフトが発生した。これは、モデルが監視の分布を超えて一般化できないという限界を浮き彫りにしている。

• Vision 60の実世界デプロイメント：

  • Intel RealSense D435iを備えた建物内でのテストを実施。カメラとロボットセンサ間の外的な校正は一切行っていない。
  • シナリオ： ロボットは、照明が消された廊下や、回転中に照明が消灯したトイレなど、視覚的に劣化したゾーンを通過した。
  • 結果： VINSが視覚的特徴の欠如や照明の変化によって失敗した際、スイッチングマネージャが劣化を検知し、学習された自己受容モジュールへの切り替えに成功した。システムは正確な軌跡を維持したが、VINSのみのベースラインは深刻なドリフトとオーバーシュートに陥った。

意義と主張

本論文は、以下の特性を持つレジリエントでプラットフォームに依存しないオドメトリシステムを実証したと主張している：

• 校正の排除： 外受容的・自己受容的間の明示的な校正やシステムの運動学モデリングを不要にし、「プラグアンドプレイ」のデプロイを可能にする。
• 敵対的条件への適応： 外受容的センサが劣化した場合に、オンライン学習された自己受容モデルへシームレスにフォールバックすることで、ロバストな運動推定を維持する。
• 効率的なオンライン学習： 低ランクEKFを用いることで、複雑なニューラルネットワークのリードアウトをリアルタイムでオンライン訓練できることを証明し、センサ入力と監視信号の両方の不確実性を考慮している。

認められた限界：
著者らは、本フレームワークが「外受容的要素と自己受容的要素が同時に劣化しないこと」を前提としていると謙虚に述べている。さらに、学習されたリードアウトMLPは、速度監視によってカバーされた運動分布と大きく異なる運動分布に対しては一般化を期待できない。つまり、未知の運動タイプに対して速度を予測する場合、誤った推定結果をもたらす可能性がある。