技術要約：知覚を考慮したヒューマノイド設計のための可視・到達可能ワークスペース

問題提起

古典的なロボットのワークスペース解析は、エンドエフェクタが物理的に配置可能な場所を決定する「運動学的な到達可能性（kinematic reachability）」に焦点を当てている。しかし、知覚駆動型のヒューマノイドロボットにとって、到達可能性だけでは不完全な指標である。ターゲットが腕の運動学的ワークスペース内にあるとしても、それをリーチするために必要な特定の構成において、搭載されたセンサの視野外にある可能性がある。このような「盲目的な到達可能（blind-reachable）」空間は、ロボットに、視界を確保するためだけに補償的な全身運動（例：胴体の回転、新しい視点への移動、あるいはカメラの方向転換）を強いることになり、知覚の制限を不要な機械的動作へと変えてしまう。既存のヒューマノイド設計は、多くの場合、頭部や胸部に制約のある視覚が集中した人間型の形態を継承しており、広範な腕のワークスペースと、限定的でしばしば結合されたセンシング能力との間のミスマッチに苦しんでいる。

手法

1. 可視・到達可能ワークスペース（VRW）の定義

著者らは、設計段階の指標として、到達可能性に視認性を条件付けた**可視・到達可能ワークスペース（Visible-Reachable Workspace: VRW）**を導入する。

• 構成の分割: ロボットの構成 $q$ は、操作ジョイント（$q_m$）、センシングジョイント（$q_p$）、および標準ジョイント（$q_0$）に分割される。アクティブなエンドエフェクタに影響を与えるジョイントは $q_m$ として優先される。重要なのは、マニピュレータに結合されたセンサ（例：手首マウント）と、独立した駆動を持つセンサ（例：ジンバル）を区別することである。
• 条件付き可視性: ターゲット $x$ が可視・到達可能であるためには、エンドエフェクタが $x$ に到達し、かつ少なくとも一つのカメラが自己遮蔽なしに $x$ を観測できる実行可能な構成 $(q_m, q_p)$ が存在しなければならない。
• 指標:
  • カバレッジ ($\eta$): 可視・到達可能ワークスペース（$W_{VR}$）の体積と、全到達可能ワークスペース（$W_R$）の体積の比。
  • ペアワイズ・カバレッジ ($\eta_2$): 同時可視性のための指標であり、二つの空間的に離れた領域（操作ターゲットと第二の関心領域）が、操作構成を変更することなく同時に観測できる確率を測定する。

2. ハードウェアの実装：Duke Humanoid V2

VRW指標を検証するために、著者らは31自由度の準直接駆動（QDD）ヒューマノイドであるDuke Humanoid V2を製作した。

• 形態: 全高1.2m、重量36kg、2つの7自由度アームと2つの6自由度脚部を備える。
• センシング・アーキテクチャ: 本研究の核心的な革新は、**独立して駆動するヨー・ピッチ型カメラヘッド（dual independently actuated yaw-pitch camera head）**である。2つのRGB-Dカメラが2自由度のジンバル上に搭載されており、胴体の向きや腕の構成とは無関係に、空間的に離れた領域へ独立して向けられる。
• 制御: ロボットは、FlashSAC（Soft Actor-Critic）を用いて学習された全身強化学習（RL）ポリシーを利用しており、これは50Hzで動作し、200HzのジョイントレベルPDトラッキングを行う。このポリシーは、ベースの移動、腕のマニピュレーション、およびカメラの注視を同時に処理する。

3. 実験的評価

本研究では、以下の多角的な側面からVRWを評価している：

• プラットフォーム間比較: 既存のヒューマノイド（Unitree G1, Booster T1, Apptronik Apollo, Fourier GR-3, PAL Talos）について、公開されている運動学およびカメラモデルを用いてVRWを算出した。
• カメラ構成の最適化: Duke Humanoid V2を用い、固定構成または駆動構成のそれぞれにおいて、$K=1, 2, 3$ 台のカメラを用いたレイアウトを比較した。
• ベンチマーク・タスク: シミュレーションおよび実機ロボットにおいて、「二目標リーチ・アンド・グラスプ（Two-Target Reach-and-Grasp）」ベンチマークを実施した。タスクは、様々な構成（左右、前後、近距離/遠距離、および動的な人間による保持ターゲット）に配置された二つの物体を把握することである。

主な結果

1. VRWカバレッジの改善

• 駆動 vs 個数: カメラの駆動（articulation）は、カメラの台数を増やすことよりも、VRWカバレッジに対して有意に大きな影響を与えた。Duke Humanoid V2において、カメラを駆動させることで、可視・到達可能カバレッジは38%（固定）から**97%**へと増加した。
• ペアワイズ・カバレッジ: 単一の駆動カメラは単一ターゲットのカバレッジを向上させたが、離れた領域を同時に効果的に観測することはできなかった。第二の独立駆動カメラを追加することで、ペアワイズ・カバレッジ（$\eta_2$）は0.45から0.95へと上昇した。第三のカメラは、大幅なハードウェアコストを伴うものの、収穫逓減（0.97）を示した。
• 比較: 固定ヘッドのUnitree G1は、わずか16%のVRWカバレッジしか達成できなかった。駆動式のネックを持つプラットフォーム（例：PAL Talos, Fourier GR-3）は48〜76%を達成したが、これらはカメラが単一のネック軸を共有しているため、離れた領域を独立して観測することができず、すべてDuke Humanoid V2の97%を下回った。

2. マニピュレーション・タスクにおける性能

二目標リーチ・アンド・グラスプ・ベンチマークにおいて、デュアル駆動構成（Act2）は、固定カメラ・ベースライン（Fix2）および他の構成よりも優れた性能を示した：

• 効率性: Act2は、Fix2と比較して平均完了時間を17%、機械的エネルギー消費量を**19%**削減した。
• 探索と接近: 時間短縮は、探索、接近、および操作の各フェーズに分散していた。具体的には、カメラの駆動により、ロボットが歩行ではなく注視によってターゲットを特定できるようになり、探索時間が短縮された。また、ターゲットを特定した後に直接的な経路を通れるようになったため、接近時間も短縮された。
• 実機検証: 実機実験により、デュアル駆動設計が、胴体の方向転換なしに前後および左右のターゲットペアを同時に観測し、操作できることが確認された。ロボットは、二人の人間によって保持されている動的なターゲットを追跡し、把握することに成功した。

意義と主張

本論文は、**「到達可能性が、知覚駆動型のヒューマノイド操作において、より情報量の多い設計量となるのは、それがセンシング構成と共に評価された場合である」**と主張している。

• 設計シグナル: VRWは定量的な設計シグナルとして機能する。結果は、可視・到達可能カバレッジを最適化すること（特に独立したカメラ駆動を通じて）が、全身の実行効率を直接的に向上させ、補償的な身体動作の必要性を減らすことを示している。
• 結合設計原則: 本研究は、センシングとマニピュレーションを別々のモジュールとして扱うことに異を唱えている。代わりに、センシングのレイアウトを、特に同時マルチリージョン・タスクにおいて、マニピュレーションのワークスペースとの重なりを最大化するように最適化するという、結合された設計原則を提案している。
• オープンソース: 著者らは、知覚を考慮したロボット設計に関するさらなる研究を促進するため、ソフトウェアおよびヒューマノイドのハードウェア設計（Duke Humanoid V2）のオープンソース化を約束している。

結論として、古典的な到達可能性はロボットが「どこへ行けるか」を定義するが、VRWは「どこで効果的に知覚しながら行動できるか」を定義する。駆動式のセンシングを通じてこのギャップを埋めることが、次世代のヒューマノイドロボットにとって極めて重要である。