CMP: コンピテンシーマニフォールド射影による移動操作のためのロバストな全身トラッキング

要旨: 駆動脚型モバイル・マニピュレータに対するデカップリング制御方式は頑健性を示している一方で、グローバルなエンドエフェクタ姿勢の追跡のための全身（ホリスティック）制御ポリシーを学習することは、センサノイズや実行不可能なユーザ指令によって誘発される分布外（OOD）入力に対して脆弱である。これらの摂動に対する頑健性を、タスク性能や連続性を損なうことなく向上させるために、我々はCompetence Manifold Projection（CMP）を提案する。具体的には、無限ホライズンの安全性制約を、計算効率の高い1ステップのマニフォールド包含（inclusion）へと変換するFrame-Wise Safety Schemeを用いる。さらに、このコンピタンス・マニフォールドを具体化するために、未習得の意図と訓練分布を区別するLower-Bounded Safety Estimatorを採用する。その後、安全確率に対してマニフォールドの幾何を整合させるIsomorphic Latent Space（ILS）を導入し、任意のOOD意図に対して効率的なO(1)のシームレス防御を可能にする。実験の結果、CMPは典型的なOODシナリオにおいて、生存率を最大10倍に改善し、ベースラインが壊滅的な失敗に至る状況でも、追跡の劣化は10%未満に抑えられることが示された。特に、システムはコンピタンスの境界に従うことで、OODの目標を段階的に達成するための創発的な「最善努力（best-effort）」的な汎化挙動を示す。結果動画は以下で公開されている: https://shepherd1226.github.io/CMP。