日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

歩行arXiv:2505.18418

形態と制御を考慮した強化学習による汎化可能な四足歩行

McARL:Morphology-Control-Aware Reinforcement Learning for Generalizable Quadrupedal Locomotion

シェア:XThreadsFacebookLINEはてブBluesky

形態ベクトルを条件にした方策を強化学習で学習し、再学習なしで異なる四足ロボットへゼロショット転移できる手法を提案。

詳しい要約

1. どんなもの?

- 四足歩行ロボットの汎化移動を実現する強化学習手法 McARL を提案。 - 形態条件付きポリシーにより、異なるロボット形態へのゼロショット転送を可能にする。 - Unitree Go1 で訓練した単一ポリシーを Go2 などに転送し、最大 3.5 m/s の速度を達成。 - 訓練ロボットでは 6.0 m/s を達成し、A1 や Mini Cheetah にも汎化。

2. 先行研究と比べてどこがすごい?

- 従来の PPO 変種と比較して、Go2、Mini Cheetah、A1 で 44-150% 高い転送性能を実現。 - ハイパーパラメータ調整や転送損失の課題を克服。 - 再訓練や微調整なしで異形態ロボットにゼロショット転送可能。 - 形態距離が転送性能に与える影響を分析し、優位性を示した。

3. 技術・手法の肝は?

- 形態条件付きポリシーを採用:定義された形態範囲からサンプリングしたランダム化形態ベクトルを actor と critic の両ネットワークに組み込む。 - これにより、類似特性を持つロボットに汎化するパラメータを学習。 - 単一ポリシーで複数形態に対応可能。

4. どうやって有効だと検証した?

- Unitree Go1 で訓練したポリシーを Go2 に転送し、ゼロショットで最大 3.5 m/s の速度を達成。 - 訓練ロボット Go1 では 6.0 m/s を達成。 - A1 や Mini Cheetah への汎化も確認。 - PPO 変種との比較で 44-150% 高い転送性能を示す。 - 形態距離の影響を分析。

5. 議論はある?

- 形態距離が転送性能に影響することを分析。 - ハイパーパラメータ調整と転送損失の課題を克服したと主張。 - 具体的な限界や議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- PPO 変種(Prior approaches として比較) - Unitree Go1, Go2, A1, Mini Cheetah に関する研究 - 形態条件付き強化学習やゼロショット転送の関連手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Prakhar Mishra, Amir Hossain Raj, Xuesu Xiao, Dinesh Manocha

分類: cs.RO

原文アブストラクト

We present Morphology-Control-Aware Reinforcement Learning (McARL), a new approach to overcome challenges of hyperparameter tuning and transfer loss, enabling generalizable locomotion across robot morphologies. We use a morphology-conditioned policy by incorporating a randomized morphology vector, sampled from a defined morphology range, into both the actor and critic networks. This allows the policy to learn parameters that generalize to robots with similar characteristics. We demonstrate that a single policy trained on a Unitree Go1 robot using McARL can be transferred to a different morphology (e.g., Unitree Go2 robot) and can achieve zero-shot transfer velocity of up to 3.5 m/s without retraining or fine-tuning. Moreover, it achieves 6.0 m/s on the training Go1 robot and generalizes to other morphologies like A1 and Mini Cheetah. We also analyze the impact of morphology distance on transfer performance and highlight McARL's advantages over prior approaches. McARL achieves 44-150% higher transfer performance on Go2, Mini Cheetah, and A1 compared to PPO variants.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI