CART：時間的シーケンス選択による脚型ロボットのための文脈対応地形適応

概要: 自然界の動物は、視覚や触覚などの複数のモダリティを組み合わせて地形を認識し、不整地を安定して歩く方法を理解するようになります。同様に、脚式ロボットも、視覚と固有感覚（プロプリオセプション）の関係を理解することで、複雑な地形上を安定して歩行する能力を育てる必要があります。現在のほとんどの地形適応手法は、事前経験、特に視覚センサから得られる観測に依存しているため、複雑でオフロードな地形では失敗しやすいという問題があります。この経験に基づく学習は、「見た目」と「実際の触感（感じ方）」の間に視覚-テクスチャ・パラドックスを生みがちです。本研究では、搭載センシングから得た固有感覚と外受容感覚（エクステロセプション）を統合し、地形を頑健に理解することを可能にする、文脈（コンテキスト）に応じた地形適応アプローチに基づいて構築された高レベル制御器CARTを提案します。CARTの有効性を評価するため、IsaacSimシミュレータ上でANYmal-Cロボットを用い、実環境での実験にはBoston DynamicsのSPOTロボットを用いて、複数の地形で検証を行います。学習した文脈に依存する地形特性を評価するための指標として、ロボットのベース部における振動の安定性（vibrational stability）を適応させます。CARTを、シミュレーションと実世界の両方で、マルチモーダルセンシングを備えたさまざまな最先端のベースラインと比較します。CARTは、シミュレーションにおいて全ベースラインに対して平均成功率を5%向上させ、ロボットが移動タスクを完了するのに要する時間を増やすことなく、実世界では全体の安定性を最大45%および24%改善します。