RecoverFormer：ヒューマノイドロボットのための接触を考慮したエンドツーエンド回復

要旨: 随所で構成が定まらない環境で動作するヒューマノイドロボットは、想定外の外乱から回復しなければなりませんが、その能力はエンドツーエンドの制御ポリシーにおいて依然として困難です。本論文では、RECOVERFORMER を提案します。これは、モデルの不一致（モデルミスマッチ）があっても堅牢な性能を維持しながら、補償的なステッピング、手部の環境接触、重心の再形状化（center-of-mass reshaping）といった回復行動間で「いつ・どのように切り替えるか」を学習する、完全にエンドツーエンドのヒューマノイド回復ポリシーです。提案アーキテクチャは、50ステップの観測履歴に対する因果トランスフォーマーと、2つの新規ヘッドを組み合わせています。1つは、異なる回復戦略間で滑らかな遷移を可能にする潜在回復モード、もう1つは、どの環境表面（壁、手すり、テーブル端）が安定化に有益かを予測する接触アフォーダンスヘッドです。Unitree G1 のヒューマノイドを MuJoCo 上で RECOVERFORMER により評価します。開放床のみで訓練したにもかかわらず、RECOVERFORMER は壁あり環境へゼロショット転移し、100〜300 N のプッシュおよび壁までの距離 0.25〜1.4 m の範囲で 100% の回復成功を達成します。ゼロショットのダイナミクス不一致下では、質量 +25% で 75.5%、30 ms の遅延で 89%、低摩擦で 91.5%、複合的な摩擦・遅延・質量の摂動下で 99% に到達します。学習された潜在モードは、モードレベルの教師なしで力のレジームに応じて特化し、その妥当性は 300 エピソードに対する t-SNE 分析によって検証されています。以上をまとめると、1つのエンドツーエンドポリシーが、外乱の大きさ、接触ジオメトリ、ダイナミクスの変化にわたって一般化しつつ、複数モードで接触を意識したヒューマノイド回復を実現できることを示しています。