技術要約: NeuralActuator

問題提起

微分可能なシミュレータはロボット制御を進展させてきたが、アクチュエータのダイナミクスは、特に低コストなプラットフォームにおいて、シム・トゥ・リアル（sim-to-real）のエラーの主要な原因であり続けている。標準的な制御近似では、モーター電流と関節トルクの間に線形な関係（$\tau = K_t I$）を仮定している。しかし、コスト効率の高いサーボ駆動プラットフォーム（例：コアレスブラシレスDCサーボ）では、モデル化されていない非理想的な特性（ギアボックスの摩擦、ヒステリシス、バックラッシュ、電流飽和、熱ドリフトなど）により、この近似は成立しない。これらの時変的な影響は、内部の伝達状態にアクセスできないため、解析的にモデル化することが困難である。その結果、線形な電流・トルク写像に依存すると、努力量（effort）の追従性が低下し、インピーダンス挙動が不安定になり、専用の力/トルクセンサが利用できない場合には力の知覚能力が低下する。

手法

著者らは、アクチュエータの挙動と外部相互作用を共同で予測する、データ駆動型の微分可能なニューラルモデルであるNeuralActuatorを提案する。

1. アーキテクチャと入力

NeuralActuatorは、時間的依存関係および非線形で履歴依存的なアクチュエータのダイナミクスを捉えるために、Transformerベースのアーキテクチャを利用する。

• 入力シーケンス: 各タイムステップ $t$ において、モデルは9つのトークン（$H_{hist} + 1$）からなるシーケンス（指令ターゲット、固有受容状態（位置、速度）、およびアクチュエータ・テレメトリ（電流、電圧、温度））を処理する。
• マルチタスク・ヘッド: Transformerエンコーダは、4つの異なる出力ヘッドに情報を送る：
  1. トルク・サロゲート・ヘッド: シミュレータと同等の一般化された努力量サロゲート（$\tau_{pred}$）を予測する。これは直接的な物理的トルクの測定値ではなく、微分可能なシミュレータに入力された際に観測された運動を再現する値である。
  2. 力（Force）ヘッド: 生の3次元外部力ベクトル（$\hat{f}_{raw}$）を予測する。
  3. コンタクト・ゲート: 力の出力を制御するための接触確率（$g \in [0, 1]$）を予測する（$\hat{f} = g \cdot \hat{f}_{raw}$）。
  4. モーター・コンディション・ヘッド: 特定の関節における正常動作か機械的制限下にあるかを示すスコアを予測する。

2. 学習戦略

主要な革新は、低コストなプラットフォームでは信頼性が低い直接的な一般化努力量（トルク）のラベルを必要としない、監督スキームにある。

• トルク・サロゲートの監督: トルク・サロゲート・ヘッドは、微分可能なシミュレーションを通じて学習される。予測されたサロゲートはクリップされた後、微分可能な物理エンジン（MuJoCo/MJX）に投入される。損失は、シミュレーションされた軌道（将来のポーズ）と実機ロボットの記録された軌道との間の不一致に基づいて計算される。これにより、固定された電流・トルク変換を仮定することなく、ダイナミクスを一致させるために必要な有効な入力をモデルが学習することが可能になる。
• 直接的な監督: 力、コンタクト・ゲート、およびモーター・コンディション・ヘッドは、直接的なラベル（力センサの読み取り値、接触イベント、および既知の機械的制限）を用いて学習される。
• データセット (NAD): 著者らは、ツインアーム・テレオペレーション・システムを介して収集された**Neural Actuation Dataset (NAD)**を導入する。これには、自由運動、ペイロード保持、および接触相互作用における、同期されたロボット状態、アクチュエータ・テレメトリ、および外部力ラベルが含まれる。

3. 統合

モデルは、エンドツーエンドの学習のためにシミュレーションループに統合される。推論時、トルク・サロゲートは軌道伝播のためにシミュレータを駆動し、力およびコンディション・ヘッドは、知覚および診断のための補助的な出力を提供する。

主な貢献

1. NeuralActuatorモデル: 直接的なトルクセンサを必要とせずに、シミュレータと同等のトルク・サロゲート、外部力、接触確率、およびモーター・ヘルス・スコアを予測する、微分可能なマルチタスク・ニューラル・アクチュエータ・モデル。
2. 微分可能な物理学による学習: 不確実な電流・トルク校正を回避するために、ポーズの軌道を通じてトルク・サロゲートを監督する新しい学習スキーム。
3. Neural Actuation Dataset (NAD): カスタムのツインアーム・テレオペレーション・システムを介して収集された、時間的に整列されたロボット状態、アクチュエータ・テレメトリ、およびエンドエフェクタの外部力ラベルを備えた実機ロボットのデータセット。
4. クロスプラットフォーム検証: 幅広い価格帯（$500から$30,000以上）にわたる3つの異なるプラットフォームを用いた包括的な評価：
   • OpenManipulator-X: 5自由度、低コスト、サーボ駆動。
   • SO-101: 6自由度、低コスト、LeRobotスタック。
   • Franka Emika Panda: 7自由度、産業グレード。

実験結果

論文では、NeuralActuatorをいくつかのベンチマークで検証している：

• ロールアウト精度: OpenManipulator-Xにおいて、モデルは関節角度（例：600ステップで~2.5°–3.1°）およびグリッパー位置において低い平均絶対誤差（MAE）を達成し、長期ホライゾンにおいてベースラインを上回った。
• 力推定:
  • 接触検出: 接触軌道において低い力MAE（0.36–0.57 N）を達成し、非接触軌道ではほぼゼロの予測を実現した。
  • ペイロード・ベンチマーク: 様々な重量（200g–500g）に対して、重力負荷を正確に推定した（0.08–0.12 N MAE）。
  • 比較: モデルベースのベースライン（線形摩擦、Stribeck摩擦、および一般化運動オブザーバを用いた逆動力学）を大幅に上回る精度を示した（例：最良のベースラインの0.12 Nに対し、0.66 N MAE）。
• モーター・コンディション推定: 通常動作と機械的制限下（ゴムバンドによる拘束）の動作を区別するにおいて、91.0%の精度と0.95のAUC-ROCを達成し、閾値、SVM、およびランダムフォレストのベースラインを大きく上回った。
• ダウンストリーム制御: 学習済みとして凍結された事前学習モジュールとして使用した場合、力に配慮したポリシーは、位置のみのベースラインと比較してタスク成功率を向上させた（例：ピック・アンド・プレースにおいて92.5% vs 80%）。
• 効率性: 実装は、控えめなパラメータ数（1.44Mパラメータ）でありながら、60 Hzの制御レートにおいてサブミリ秒のGPU推論（平均推論時間 0.25 ms）を達成した。

意義と主張

本論文は、NeuralActuatorが、解析的なアクチュエータ・モデリングに対する堅牢でデータ駆動型の代替案を提供することにより、低コストなロボティクスにおける重要なギャップを埋めるものであると主張している。その意義は以下の点にある：

• センサなしでの力知覚の実現: 標準的なテレメトリ（電流、電圧、温度）と固有受容感覚のみを使用して、外部の力や接触を感知することを可能にし、力/トルクセンサのコスト障壁を取り除く。
• シム・トゥ・リアルの架け橋: 摩擦、バックラッシュ、熱効果を考慮した履歴依存のマッピングを学習することで、低コストなハードウェアに対する微分可能なシミュレーションの忠実度を向上させる。
• スケーラビリティ: 多様なアクチュエータ・ファミリーおよび価格帯で検証されており、手頃な価格のロボット・エコシステムに対する汎用的なソリューションであることを示唆している。
• 診断能力: 追加のハードウェアなしで機械的制限（例：ジャムした関節）を検出できる能力は、ロボットシステムに信頼性とメンテナンス能力の層を加える。

著者らは、記録されたテレメトリ条件付きの長期ロールアウトにおける誤差の蓄積や、追加の努力量-応答モデルなしでは反事実的プランニング（counterfactual planning）が実行できないといった限界についても言及している。しかし、オンライン適応によってドリフトを軽減できること、およびモデルが実世界の操作タスクを効果的にサポートできることを実証している。