技術要約：汎用車両モデルの高速MPCに向けた地形適応

問題提起

高速なオフロード自律走行には、急速に変化する地形に対して堅牢であり続ける精密なクローズドループ制御が必要です。高速走行時、タイヤは摩擦限界付近で動作するため、地形の種類やペイロードによって大きく変化するスリップが発生します。解析的なモデル（例：動的自転車モデル）は計算速度は速いものの、高スリップ領域では機能しません。一方で、学習ベースのモデルはこれらのダイナミクスを捉えることができますが、トレードオフに直面します。すなわち、汎用モデル（多様なデータで学習されたもの）は、アグレッシブな制御に必要な車両ごとの精度に欠け、特化型モデル（単一の車両や地形に対して大量の実データで学習されたもの）は高い性能を発揮しますが、新しい環境への転移が困難です。さらに、既存の**逆運動学・動力学（IKD）**手法はオンラインで適応しますが、個別のプランナーに依存しており、**特化型順運動学・動力学（FKD）**モデルは膨大な実世界のデータを必要とします。

解決すべき中心的な課題は、最小限の実世界データを用いて、汎用的なFKD基盤モデルを特定のターゲット車両へと特化させ、いかにして高速性能と未知の地形に対する堅牢性を両立させるかという点です。

手法：OptCar

著者らは、汎用FKDモデルと特化型FKDモデルの間の溝を埋めるフレームワークとして、OptCar (Optimized Car) を提案しています。このアプローチは、履歴条件付きアーキテクチャと、ターゲットを絞った実データおよび合成データのファインチューニング・レシピを統合し、サンプリングベースのモデル予測制御（MPPI）ループ内で展開されます。

1. 履歴条件付きFKDアーキテクチャ

オンライン最適化を行わずに車両と地形の相互作用の変動に対処するため、OptCarは履歴条件付きダイナミクス適応モジュールを導入しています。

• コンテキスト符号化: 履歴エンコーダ（2層の双方向Transformer）が、直近のステート-アクション履歴（$s_{t-M:t}, a_{t-M:t}$）を単一のダイナミクス・コンテキストベクトル（$c_t$）へと圧縮します。このベクトルは、地形の摩擦、スリップ領域、ペイロードなどの潜在的な要因を捉えます。
• 条件付け: 履歴トークンがオプションとなる標準的なアテンション機構とは異なり、OptCarはFiLM（Feature-wise Linear Modulation）を用いて、ロールアウトデコーダのすべてのブロックを $c_t$ で条件付けています。これにより、MPCによって評価されるすべての候補となる将来のロールアウトが、現在推論されたダイナミクスによって変調されることが保証されます。
• 予測: デコーダはグローバルなポーズではなく、ボディフレーム内のポーズ増分（$\Delta \hat{s}$）を予測します。これにより、非平面地形上でのロールアウトが可能になります。

2. ターゲットを絞った実データと合成データの特化

アグレッシブな高スリップ領域における実世界のデータの不足を克服するため、OptCarは特化したファインチューニング戦略を採用しています。

• システム同定: 各地形に対し、限定的な実世界データ（$D_{real}$）を用いて、1ステップの遷移をフィッティングすることで動的自転車モデル（DBM）を校正します。
• ターゲットを絞った合成データの生成: 校正されたDBMを用いて、オフラインでターゲットを絞った合成ロールアウト（$D_{synth}$）を生成します。これらのロールアウトは、現実では収集が危険または困難な高スリップ領域をカバーするようにランダム化されていますが、特定された特定の車両・地形のダイナミクスに根ざしています。
• ファインチューニング: 学習済みの汎用モデルを、実データと合成データの連合（$D_{FT} = D_{real} \cup D_{synth}$）を用いてエンドツーエンドでファインチューニングします。これにより、関連性（実データ）と網羅性（合成の高スリップデータ）のバランスを取ります。

3. デプロイメント

ファインチューニングされたモデルは、MPPIコントローラ内のロールアウト関数として機能します。各プランニングステップにおいて、履歴は $c_t$ にエンコードされ、候補となるアクションシーケンスはコンテキスト条件付きデコーダを用いてロールアウトされます。コントローラは、地形分類器、モード切り替え、またはオンラインのパラメータ更新を必要とせずに、最小コストのシーケンスを選択します。

主な貢献

1. 履歴条件付きアーキテクチャ: ステート-アクション履歴をダイナミクス・コンテキストベクトルに圧縮し、ロールアウトデコーダ全体を条件付ける、新しいFKD設計。これにより、この条件付けを持たないバックボーンと比較して、地形間での6 m/sトラッキング誤差を**21%から33%**削減しました。
2. ターゲットを絞ったファインチューニング・レシピ: 各地形のわずか数分間の実データを用い、地形ごとのシステム同定による合成ロールアウトで拡張することで、モデルを特化させる手法。これにより、実データのみでのファインチューニングと比較して、6 m/sのトラッキング誤差をさらに**17%から46%**減少させました。
3. クローズドループ検証: OptCarが、クロス地形のトラッキングおよび分布外（OOD）のペイロードシナリオにおいて、汎用モデルおよび特化型モデルの両方のベースラインを凌駕することを示す包括的な検証。

実験結果

1/5スケールのオフロード車両を用い、3つの地形（道路、濡れた草＋傾斜、植生＋土）において、2, 4, 6 m/sの速度で実験を行いました。これには、未知のカート牽引タスクも含まれます。

• 高速性能: 最大の利得は、スリップがトラッキング誤差を支配する領域である6 m/sで見られました。
  • 植生および土の地形（高スリップ地形）において、OptCar（実データと合成データの両方でファインチューニングされたもの）は、AnyCar（汎用モデル）と比較して、軌道トラッキング誤差を約**55%**減少させました。
  • 全地形において、6 m/sの速度で、OptCarは汎用的なAnyCarベースラインと比較して、誤差を**42%から57%**減少させました。
• 特化型モデルとの比較:
  • 道路（特化型の学習ドメイン）において、30分間の道路データで学習された特化型モデルが最高の性能を示しましたが、わずか5分間の地形あたりデータで学習されたOptCarは、その性能の**14%**以内を維持しました。
  • 未知の地形（濡れた草、植生など）において、特化型の性能は著しく低下しましたが、OptCarは46%高い精度でトラッキングを行いました。
• 分布外（OOD）への汎化: ゼロショットのカート牽引タスク（未知のペイロード）において、OptCarはすべての速度で最も低いトラッキング誤差を達成しました。これは、履歴コンテキストエンコーダが、特定のペイロード学習データなしに、運動のみからダイナミクスの変化を推論できることを示しています。

意義と主張

本論文は、OptCarが、大規模な地形別データセットを収集することなく、特定のロボットに基盤ダイナミクスモデルをデプロイするための実用的な経路を示すものであると主張しています。主な知見は以下の通りです。

1. 二重の能力: 単一のモデルは、運動によって条件付けられている限り、特定の車両に特化しつつ、地形に対して堅牢であることも可能です。
2. 効率性: ターゲットを絞った合成データを用いることで、地形あたりわずか5分間の実データを用いて高速性能を実現でき、これは単一地形のデータを30分間学習した特化型モデルに匹敵します。
3. 最適化なしの適応: 履歴条件付けメカニズムにより、高速なフィードフォワード・コンテキストを用いたオンラインでのダイナミクスおよびペイロードの変化への適応が可能となり、個別のプランナー、地形分類器、またはオンラインの重み更新を排除します。

著者らは、遭遇したダイナミクスが事前学習/ファインチューニングの分布内にあるという仮定（オンラインの重み更新を行わないこと）や、MPPIの計算制約によるロールアウトホライゾンの制限といった限界についても言及しています。今後の展望としては、高速なフィードフォワード・コンテキストと、より低速なオンラインの重み更新の組み合わせの探索や、より豊かなコンテキストを得るための外的な知覚入力（例：RGBやポイントクラウド）の組み込みが挙げられています。