AME-2：注意に基づくニューラルマップエンコーディングによる、アジャイルかつ汎用的な脚ロボット移動

Abstract

障害物のある環境や疎な足場の状況を含む様々な地形にまたがる、俊敏で汎用的な脚型移動を実現するには、知覚と制御の緊密な統合が必要です。特に、遮蔽（オクルージョン）がある場合や足場が限られている場合に重要になります。既存の手法ではパルクールコースでの俊敏さが示されてきましたが、多くの場合、限定的な汎化性と解釈可能性しか持たないエンドツーエンドのセンサー・モータモデルに依存しています。一方で、汎用移動を対象とする手法は、俊敏さが限定的であり、視覚的な遮蔽への対処が難しい傾向があります。そこで本研究では、制御方策に新規の注意（アテンション）ベースの地図エンコーダを組み込んだ、俊敏で汎用的な移動のための統一型強化学習（RL）フレームワークであるAME-2を提案します。このエンコーダは、局所的および大域的なマッピング特徴を抽出し、注意メカニズムによって注目すべき領域に焦点を当てます。これにより、RLベースの制御に用いるための、解釈可能で汎化可能な埋め込み表現を生成します。さらに、ノイズや遮蔽に対して頑健で、不確実性を考慮した高速な地形表現を方策の入力として提供する、学習ベースのマッピング処理パイプラインも提案します。このパイプラインは、深度観測から不確実性を伴う局所的な地面高さをニューラルネットワークで変換し、それをオドメトリと融合します。また、本パイプラインは並列シミュレーションと統合されており、オンライン・マッピングによる制御器の学習が可能です。これにより、sim-to-real（シミュレーションから実機）への転移を支援します。提案したマッピング処理パイプラインとともに、AME-2を四足ロボットおよび二足ロボットで検証します。その結果得られた制御器は、シミュレーションおよび実世界の実験の両方において、未見の地形に対して強い俊敏性と汎化性を示しました。