異なるヒューマノイド間の移動のための、スケーラブルかつ汎用的な全身制御

要旨: 学習ベースの全身コントローラは、人型ロボットにとって重要な推進力となっていますが、既存のほとんどの手法ではロボット固有の学習が必要です。本論文では、身体（エンボディメント）をまたいだ人型制御の問題を検討し、1回の学習によって、単一の方策が幅広い人型ロボット設計に対して堅牢に汎化できることを示します。新しいクロス・エンボディメント学習フレームワークであるXHugWBCを提案し、以下によって汎用家（ジェネラリスト）な人型制御を可能にします: (1) 物理整合的な形態ランダム化、(2) 多様な人型ロボット間での意味論的に整合した観測・行動空間、(3) 形態的および動力学的性質をモデリングするための有効な方策アーキテクチャ。XHugWBCは特定のロボットに結び付けられていません。代わりに、学習中に形態的・動力学的特性の広い分布を内部化します。多様にランダム化された身体の例から運動の事前分布を学習することで、方策は強力な構造的バイアスを獲得し、これがこれまで見たことのないロボットへのゼロショット転移を支えます。12体のシミュレーション上の人型と7台の実世界ロボットに対する実験により、得られたユニバーサル・コントローラの強い汎化性と頑健性が実証されています。