SMASH：自己視点ビジョンによるヒューマノイド卓球での全身スキルをスケーラブルに極める

要旨: 既存のヒト型卓球システムは、外部センサへの依存と、精密な作業遂行のための機敏な全身協調を達成できないことによって制約を受けています。これらの制約は、2つの主要な課題に起因します。すなわち、速いロボットの運動下で低遅延かつ頑健な自己視点（egocentric）知覚を実現すること、そして、学習のために精密でありながら自然な全身挙動を可能にする、タスクに整合した十分に多様なストライク動作を得ることです。本研究では、
methodname、配備時に外部カメラを不要にしつつ、オンボードの自己視点知覚と拡張可能な全身スキル学習を統合する機敏なヒト型卓球のためのモジュール式システムを提示します。本研究は、先行するヒト型卓球システムを3つの主要な観点で前進させます。第一に、上半身と下半身の挙動を独立させて頼るのではなく、密に協調された全身制御によって機敏かつ正確なボールとの相互作用を実現します。これにより、爆発的な全身スマッシュや低い姿勢のしゃがみ打ちショットを含む多様なストライク動作を示すことができます。第二に、生成モデルによってストライク動作を拡張し多様化することで、本フレームワークは拡張可能な動作の事前知識（モーション・プリオル）を活用でき、広い作業空間にわたって自然で頑健な打球挙動を生成します。第三に、筆者らの知る限り、低遅延な知覚、自己運動（ego-motion）に起因する不安定性、限られた視野という課題にもかかわらず、オンボードセンシングのみを用いて連続打球を可能にした初のヒト型卓球システムを実証します。広範な実世界での実験により、高速条件下でも安定かつ正確なボール交換が実現され、動的なヒト型インタラクション課題に対する、知覚に駆動された拡張可能な全身スキル学習が検証されます。