フットポジションマップと安定性報酬による四足ロボットの複雑地形における移動学習

arXiv cs.RO / 2026/4/6

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、関節角から足の配置を暗黙的に推定するのではなく、高さマップに統合されたフットポジションマップを明示的に取り込むことで、複雑地形での四足ロボットの移動（ロコモーション）を扱う。
注意（アテンション）に基づく枠組みにおいて、従来のRLアプローチよりも強力な安定性ガイダンスを提供する動的なロコモーションと安定性の報酬を提案する。
本手法は、学習中に遭遇する地形（in-domain）と、学習外の地形（out-of-domain: OOD）の両方で検証し、汎化性能を評価する。
実験結果では、移動の精度と安定性が向上し、その結果としてin-domainおよびOODの両設定で移動の成功率が高くなることが示される。

要旨: 複雑な地形における四足歩行（四足歩行型ロコモーション）は、ロボティクスにおける長年の研究課題である。近年の強化学習に基づくロコモーション手法は、汎化性や足先の配置精度を向上させる一方で、関節角から足位置を暗黙的に推論することに依存しており、最適化ベースのアプローチが提供する明示的な精度および安定性の保証がない。これに対処するため、本研究では高さマップに統合された足位置マップと、注意（attention）ベースの枠組みにおける動的ロコモーション安定性報酬を導入し、複雑な地形上でのロコモーションを実現する。訓練中に見られた地形だけでなく、領域外（OOD）の地形に対しても、本手法を広範に検証する。結果は、提案手法が精密かつ安定した移動を可能にし、その結果として、領域内およびOODの両方の地形においてロコモーションの成功率が向上することを示している。