PAINT：レッグドロボットによるパートナー非依存の意図認識協調運搬

要旨: 協調的な搬送では、ロボットが安定した移動と操作（loco-manipulation）を維持しながら、身体的な相互作用を通じてパートナーの意図を推定する必要がある。これは、複雑な環境ではとりわけ困難になる。相互作用の信号を捉えてモデル化することが難しいためである。本稿では、PAINTを提案する。PAINTは、パートナーに依存しない（partner-agonistic）意図に着眼した協調的な脚式搬送のための、軽量でありながら効率的な階層型学習フレームワークであり、固有受容（proprioceptive）フィードバックからパートナーの意図を直接推定する。PAINTは、意図理解と地形に頑健な移動（terrain-robust locomotion）を分離する。すなわち、高レベルの方策が、意図推定器と教師—学生（teacher-student）学習スキームを用いてパートナーの相互作用用レンチ（interaction wrench）を推論し、一方で低レベルの移動バックボーンが頑健な実行を保証する。これにより、外部の力—トルクセンサや荷重追跡（payload tracking）なしで軽量なデプロイが可能になる。大規模なシミュレーションと実世界での実験により、多様な地形、荷重、パートナーにおいてコンプライアント（柔軟に追従する）な協調搬送が実現できることを示す。さらに、PAINTが基盤となる移動バックボーンを置き換えることで、分散型の複数ロボットによる搬送へ自然にスケールし、ロボットの形態（embodiment）間でも移植できることも示す。本結果は、荷重結合された相互作用における固有受容信号が、パートナー非依存の意図に着眼した協調搬送のためのスケーラブルなインターフェースを提供することを示唆している。