LEGO：ヒト型キネマティクス設計のための幾何学を考慮した最適化に向けた潜在空間探索

Abstract

ロボットの形態（モルフォロジー）や運動学の設計は、これまで伝統的に人間の直感に依存しており、体系的な基盤はほとんどありませんでした。モーション設計の共同最適化は自動化へ向けた有望な道筋を提供しますが、残された主要な課題は2つあります。すなわち、(i) 広大で非構造化された設計空間と、(ii) タスク固有の損失関数を構築することの難しさです。そこで我々は、人間の関与を最小化する新しいパラダイムを提案します。それは、(i) 手作業で設計空間を作り込むのではなく、既存の機械設計から設計探索空間を学習すること、そして (ii) モーション・リタゲティングとプロクルステス（Procrustes）解析により、人間のモーションデータから損失を直接定義することです。ねじ理論に基づく関節軸表現と等長多様体学習（isometric manifold learning）を用いて、最適化が扱いやすい、コンパクトで幾何学的性質を保持する潜在空間を構築します。この潜在空間は、ヒト型上半身の設計を対象としています。次に、勾配を用いない最適化（gradient-free optimization）により、この潜在空間上で設計最適化を解きます。本手法は、データ駆動型ロボット設計のための原理に基づく枠組みを確立し、既存の設計と人間のモーションを活用することで、新しいロボット設計の自動的な探索を効果的に導けることを示します。