Adaptive-MHE : A Sampling-Based Adaptive MPC for Legged Loco-Manipulation via Moving Horizon Estimation

技術要約：脚式移動操作のためのAdaptive-MHE

問題提起
脚式ロボットは複雑な地形の走破に長けているが、効果的な移動操作（loco-manipulation：移動と物体操作の同時実行）行動を生成することは依然として困難である。主要な障害は、物体の質量、慣性、地形の摩擦係数といった物理パラメータの不確実性である。これらのパラメータは事前に既知であることは稀であり、タスクごとに大きく変化し得る。固定パラメータのコントローラは、このような不確実性の下では、不安定性、スリップ、あるいは不適切な力の適用を招き、失敗することが多い。古典的なシステム同定（Sys-ID）手法も存在するが、それらは通常、微分可能なダイナミクスを前提としている。しかし、この仮定は接触が頻繁に発生する脚式システムにおいては崩壊してしまう。さらに、既存のサンプリングベースのSys-ID手法は一般にオフラインであり、運用中の環境変化への適応を妨げている。

手法
著者らは、サンプリングベースの移動ホライゾン推定器（MHE）とサンプリングベースのモデル予測制御器（MPC）を統合したオンラインフレームワークであるAdaptive-MHEを提案している。このフレームワークは、2つの非同期スレッドで動作する：

1. 移動ホライゾン推定器 (MHE):

   • 固定のデータセットを処理するオフライン手法とは異なり、Adaptive-MHEは、最新の相互作用データ（ロボットと物体の状態、制御入力）の移動窓（sliding window）上で動作する。
   • システム同定をゼロ次最適化問題として定式化する。ダイナミクスの勾配を必要とする代わりに（接触制約がある場合、勾配の計算は困難である）、候補となる物理パラメータ（質量、慣性、摩擦）の大きな集合をサンプリングする。
   • 各候補は、ダイナミクスモデルをロールアウトし、推定ホライゾン内での記録された実世界の軌跡と予測軌跡を比較することによって評価される。
   • （前回の推定値へと正則化された上で）軌跡の一致誤差を最小化するパラメータ集合が選択される。このプロセスはCPU上でバックグラウンドで動作し、制御ループを中断することなく、継続的にパラメータ推定値を更新する。

2. 全身制御器 (MPOPI):

   • コントローラは、Model Predictive Path Integral (MPPI) 制御とCovariance Matrix Adaptation Evolution Strategy (CMA-ES) を組み合わせたMPOPIアルゴリズムを利用する。
   • MHEからのオンラインのパラメータ推定値を、そのダイナミクスモデルに組み込む。
   • 計算コストを削減するため、コントローラは接触モードが変化したとき（例：歩容の切り替え）にのみサンプリング分布を精緻化し、それ以外の場合は分布をウォームスタートとして再利用する。
   • これにより、パラメータ推定と制御が並行して解決される、統一されたサンプリングベースのフレームワークが構築される。

主な貢献
本論文は以下の貢献を提示している：

• オンライン・サンプリングベースMHE: 脚式移動操作におけるオンライン・システム同定のための新しいメカニズムであり、実世界のデータから主要な物理パラメータ（質量、慣性、摩擦）を推定する。決定的なのは、微分可能なシミュレータや特殊なセンサ（力/トルクセンサなど）を必要としない点である。
• 初のサンプリングベース適応型MPC: 著者の知る限り、これは脚式移動操作のための初のサンプリングベースの適応型MPCの定式化である。サンプリングベースのMHEとサンプリングベースのMPCを結合し、推定と制御の両方を統一されたフレームワーク内で解決している。
• 堅牢な性能: 本フレームワークは、未知かつ変化する物体の特性や地形条件に対して、リアルタイムで適応する能力を示している。

結果
本フレームワークは、物体を目標へ押す、円形経路の追従、および急激な質量変化や地形摩擦の変化への適応を含む5つのタスクにおいて、シミュレーションおよびハードウェア（Unitree Go1 四脚ロボット）上で評価された。

• ベースラインとの比較: Adaptive-MHEは、「真の（True）」コントローラ（真のパラメータを使用）および「ベースライン（Baseline）」コントローラ（固定のオフライン同定された事前知識を使用）と比較された。
• 性能指標: 地形摩擦が変化する制御されたタスクにおいて、Adaptive-MHEは86.7%の成功率を達成し、ベースライン（13.3%）を大幅に上回り、真のコントローラ（100%）に接近した。
• 誤差の低減: Adaptive-MHEの最終目標誤差（0.16 m）は、ベースライン（0.58 m）よりも大幅に低く、真のコントローラ（0.045 m）に近い値であった。
• 汎用性: 全5つのタスクを通じて、Adaptive-MHEは真のパラメータにアクセスできるコントローラの追従性能にほぼ匹敵しており、相互作用データから関連する物理特性を直接推論する能力を示した。

意義
本論文は、正確な事前知識やオフライン学習に依存する既存の移動操作手法の決定的な限界を、Adaptive-MHEが解決すると主張している。ロボットが相互作用データから直接物理的特性を推論することを可能にすることで、本フレームワークは、未知かつ不確実な環境におけるより適応的で汎用的な移動操作を促進する。本研究は、オンライン・サンプリングベースの推定とサンプリングベースの制御を結合することで、物体や地形のパラメータが未知であるか、あるいは動的に変化する場合でも、脚式ロボットが堅牢な操作および押し動作を維持できることを示している。