実環境でのヒューマノイドロボットのための全身マルチモーダル制御の学習

arXiv cs.RO / 2026/4/23

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文では、ロボットの状態変数のうち一部を指定する「マスク付き目標軌道」を用いた統一的な指令インターフェースを持つ、学習型の全身制御手法「Masked Humanoid Controller（MHC）」を提案している。
MHCにより、高位システムが最適化された軌道、モーションキャプチャ、動画のリターゲット、リアルタイムのジョイスティック入力など多様な形式で、歩行計画から部分的な模倣までの行動を柔軟に指示できる。
MHCはシミュレーション上で、複数の入力モダリティ全体にまたがるカリキュラムで学習されており、部分的に指定された行動を実行しつつ、バランス維持と外乱抑制の性能を保つことを狙っている。
評価ではシミュレーションに加えて実機のDigit V3ヒューマノイドでも検証し、同一の表現インターフェースを通して多様な全身コマンドを1つの学習済みコントローラで実行できることを示している。
全体として本研究は、従来のヒューマノイドロボットにおける「多様な全身行動を単一の指令インターフェースで扱う」という課題に取り組んでいる。