要旨: 衝突のない運動は、外部カメラと比べて遮蔽に強いという理由から、ロボットの身体に分散配置された触覚センサや近接センサによってしばしば助けられます。しかし、回避行動を可能にするために、センサの特性（たとえばセンシングのカバレッジ、種類、範囲）をどのように形作ればよいのかは、いまだ不明です。本研究では、ヒューマノイドH1-2ロボットに対する全身衝突回避のための強化学習フレームワークを提示し、センサ特性が学習された回避行動にどのように影響するかを特徴づけます。ベンチマーク課題としてドッジボールを用い、ロボットの上半身に分散配置されたセンサの特性をアブレーションし、その結果、センシング範囲が十分であれば、生の近接計測は明示的な物体の位置特定の代わりになり得ること、またサンプル効率の点では、疎で非方向性の近接信号が、密な方向性の代替よりも優れていることを見出します。
自己中心的な触覚・近接センサーを用いた、人型ロボットの衝突回避のための観測事前情報
arXiv cs.RO / 2026/4/29
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、自己中心的な触覚および近接センサーをロボットの身体に分散配置し、それを用いてH1-2の人型ロボットで全身の衝突回避を学習する強化学習フレームワークを提案している。
- センサー特性（カバレッジ、センサー種別、検知レンジなど）が、ロボットが学習する回避行動にどう影響するかを体系的に調べている。
- ダッジボールをベンチマーク課題として、上半身における異なるセンサー配置の要素をアブレーションし、どのセンシング仮定が性能を高めるかを評価した。
- その結果、検知レンジが十分であれば、近接の生データの計測が明示的な物体ローカライゼーションの代替になり得ること、また密な指向性信号よりも疎で非指向的な近接信号のほうがサンプル効率で優れることが示された。
- 総じて、本研究は人型ロボットの衝突回避のためのセンサー設計に関する「観測事前情報」の実用的な指針を与えるものだ。
