技術要約：Learned Optimal Inverse Kinematics (LOInK)

問題提起

冗長ロボットにおける逆運動学（IK）は、タスク制約 $y = f(x)$ を満たしつつ、補助的なコスト関数 $J(x)$（例：可操作性、安定性、またはアクチュエータの努力量）を最小化する構成 $x$ を見つける問題である。これは制約付き最適化問題として定式化できるが、標準的な数値ソルバーは、複雑な最適化ランドスケープ、リアルタイムにおける計算の困難さ、あるいは微分可能な順モデル（ブラックボックス・シミュレーション）の欠如といった問題に直面することが多い。

正規化流（normalizing flows）などの生成モデルを用いた既存の学習ベースのアプローチは、実行可能な解をサンプリングすることはできるが、「最適」な解を明示的に生成することはできない。これらの手法は通常、分布から任意にサンプリングするため、事後的なコスト評価が必要となるが、これはモデルフリーの設定においては計算コストが高すぎるか、あるいは不可能である。さらに、これらは近傍のタスク空間軌跡間における滑らかさの保証を欠いていることが多い。

手法

著者らは、構成空間から構造化されデカップルされたタスク／潜在空間への可逆な写像を学習するフレームワークである Learned Optimal Inverse Kinematics (LOInK) を提案している。

1. ニューラル・サロゲート・モデル

LOInKは、制約付き最適化問題の解を近似するニューラル・サロゲート・モデルを構築する。本手法の核心は、BiLipNet（保証されたbi-Lipschitz特性を持つディープニューラルネットワークの一種）を用いて実装された、構成空間から $\mathbb{R}^n$ へのbi-Lipschitz可逆写像 $G: \mathbb{R}^n \to \mathbb{R}^n$ である。

写像 $G$ は、構成 $x$ を以下の2つの成分に分解する：

• タスク空間 ($\hat{y}$): タスク変数のデカップルされた表現。
• 潜在空間 ($z$): 与えられたタスクに対するコスト最小化解が原点 ($z=0$) にマッピングされる構造化された空間。

サロゲート最適化問題は以下のように定式化される：
$$\min_{x} \|G_2(x)\|^2_{M(G_1(x))} + b(G_1(x)) \quad \text{s.t.} \quad G_1(x) = y$$
ここで、$G_1$ はタスク空間への写像であり、$G_2$ は潜在空間への写像である。コスト関数は潜在空間における正定値二次形式として構造化されており、これにより一意のグローバル最小値が $z=0$ になることが保証される。

2. 学習プロセス

モデルは、構成、タスク変数、および関連するコストからなるデータセット $\mathcal{D} = \{x_i, y_i, J_i\}$ を用いて学習される。学習目的関数は、以下の2つの損失成分を最小化する：

1. タスク損失 (Task Loss): 順方向写像 $G_1(x)$ がタスク変数 $y$ を正確に予測することを保証する。
2. 補助損失 (Auxiliary Loss): データセット内の観測されたコスト $J_i$ に対してサロゲートコストモデルを適合させる。

決定的なのは、学習に最適な解 $x^\star$ が訓練データに含まれている必要はないという点である。代わりに、ネットワークはコストランドスケープの構造を学習し、サロゲートコストのグローバル最小値が潜在空間の原点と一致するようにする。

3. 推論

一度学習すれば、新しいタスク $y$ に対して近似的に最適な解を生成することは効率的である。解は次のように計算される：
$$x^\star = G^{-1}\left(\begin{bmatrix} y \\ 0 \end{bmatrix}\right)$$
逆写像 $G^{-1}$ は高速なオペレータ・スプリッティング・アルゴリズムを用いて計算され、推論時の反復的な勾配降下法や数値最適化を回避する。

4. 理論的特性

• Bi-Lipschitz 連続性: $G$ のbi-Lipschitz特性は、滑らかに変化するタスク軌跡 $y(t)$ が、滑らかに変化する構成軌跡 $x^\star(t)$ をもたらすことを保証する。ハイパーパラメータ $\mu$ および $\nu$（bi-Lipschitz境界）は、構成空間における速度の境界を制御する。
• サロゲートにおける大域的最適性: サロゲートコストはポラック・ロジャシュ（Polyak–Łojasiewicz, PL）条件を満たしており、勾配ベースの手法（またはスプリッティング・アルゴリズム）がサロゲートモデルのグローバル最小値に収束することを保証する。

主な貢献

1. 明示的な最適解の生成: 実行可能な解を任意にサンプリングする既存の生成型IK手法とは異なり、LOInKは潜在空間を原点に最適値を配置するように構造化することで、コスト最小化解を明示的に生成する。
2. 効率的な反転: Bi-Lipschitzネットワークを用いたオペレータ・スプリッティングの使用により、高速かつ非反復的な反転が可能となり、リアルタイムでの解の生成を実現する。
3. モデルフリー能力: 本手法は、順モデルやコスト関数の勾配が利用できないブラックボックス・システムにも適用可能であり、データのみに依存する。
4. 滑らかさの保証: Bi-Lipschitz構造は、結果として得られる軌跡の滑らかさに関する理論的な保証を提供し、従来の学習ベースのアプローチの限界に対処している。

実験結果

著者らは、3つの異なる問題に対してLOInKを評価した：

1. 3自由度平面マニピュレータ:

   • 関節リミットと重心コストを最小化しながら、水平ターゲットを追従する能力を実証した。
   • Bi-Lipschitz下界 $\mu$ を大きくすることで、構成速度がより滑らかになることを示した。

2. 四足歩行クライミングロボット (Magneto):

   • タスク：接着力を最小限に抑えるために、エンドエフェクタの力を均等に分配する。
   • 性能: LOInKは、制約付き最適化ソルバーであるIPOPTよりも、平均で31倍速く（最大100倍）、近似的に最適な解を生成した。
   • 一貫性: IPOPTの計算時間はタスクに応じて大幅に変動（1桁の差）したが、LOInKは一貫した計算時間を維持した。
   • 精度: IPOTの方がエンドエフェクタのエラーはわずかに低かったが、LOInKのエラーはほとんどの用途において許容範囲内であり、コスト最小化においても匹敵する性能を示した。

3. ソフトロボットマニピュレータ (HSA):

   • タスク：未知の順モデルを用いる、純粋なデータ駆動型の例（実験シミュレーションデータを使用）。
   • 比較: 正規化流ベースの手法である IKFlow と比較した。
   • 性能: LOInKはより高速であり（4.51 msに対し2.66 ms）、エンドエフェクタ配置の精度が高く（1.42 mmの誤差に対し0.44 mm）、かつ低いアクチュエーション努力量コストを達成した。
   • 多様性: 著者らは、多様性を最適性とトレードオフできることを示した。具体的には、事後処理としての多様なサンプルの評価を必要とせず、$z=0$ を中心とするガウス分布の共分散を変化させることで、多様性を制御できる。

意義と主張

本論文は、LOInKが、訓練セットに最適解が含まれていないにもかかわらず、逆問題に対して高品質なコスト最小化解を明示的に生成できる最初の学習ベースの手法であることを主張している。

その意義は、学習ベースの手法のスピードと、制約付き最適化の最適性を橋渡しすることにある。潜在空間を構造化し、Bi-Lipschitzネットワークを利用することで、LOInKはリアルタイム最適化の計算上のボトルネックや、生成モデルにおける事後的な評価の必要性を回避している。著者らは、これを、特にブラックボックスの動力学や計算コストの高いコスト関数を伴う、冗長ロボットのための堅牢なソリューションとして位置づけている。

限界

著者らは、いくつかの限界についても謙虚に認めている：

• 連結性: 本手法は、潜在空間が単一の連結成分であることを前提としている。解集合が非連結である問題には、複数のマップが必要になる可能性がある。
• 精度: データが限られているシナリオでは、エンドエフェクタ配置の精度がモデルベースの手法よりも低くなる可能性があり、必要に応じて事後の精緻化（リファインメント）が求められる場合がある。
• 次元の呪い: 高次元の構成空間の密なサンプリングは依然として困難であり、将来的にはより標的を絞ったサンプリング戦略が必要であることが示唆されている。