Tree Learning：ヒューマノイドロボットのためのマルチスキル継続学習フレームワーク

arXiv cs.RO / 2026/4/15

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、致命的な忘却（catastrophic forgetting）を起こすことなくヒューマノイドロボットが新しい移動（ロコモーション）スキルを獲得できるよう支援する、マルチスキル継続学習フレームワーク「Tree Learning」を提案する。
Tree Learning は、ルート—ブランチ（幹—枝）の階層的なパラメータ継承アプローチを用いて、枝のスキルに対するモーション・プライヤとしてパラメータを再利用し、スキルの安定した拡張を可能にする。
周期的および非周期的な動作の双方を効果的に扱うために、マルチモーダルなフィードフォワード適応メカニズム（位相モジュレーション＋補間）を追加する。
各スキルへ向けた収束を加速するために、タスクレベルのリワード・シェーピング（報酬設計）を含む。
Unity ベースのシミュレーション（ロコモーションスキル、Super Mario に着想したシナリオ、自律移動）により、同時マルチタスク学習よりも高い報酬が示され、同時に 100% のスキル保持を維持し、リアルタイムなマルチスキル切り替えも可能になる。