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:2506.11470

Multi-Loco: 拡散モデルと強化学習を統合した多形態脚式ロコモーション

Multi-Loco: Unifying Multi-Embodiment Legged Locomotion via Reinforcement Learning Augmented Diffusion

シェア:XThreadsFacebookLINEはてブBluesky

形態に依存しない拡散モデルと軽量な残差強化学習ポリシーを組み合わせ、異なる4種類の脚式ロボットに共通の移動方策を学習させるフレームワークを提案した。

詳しい要約

1. どんなもの?

- 多様な形態の脚式ロボットに共通する locomotion policy を学習する統合フレームワーク Multi-Loco を提案 - morphology-agnostic な diffusion model と、RL で最適化する軽量 residual policy を組み合わせる - 観測/行動次元や system dynamics の違いを吸収し、cross-embodiment で汎化する locomotion を狙う - 4 種類の脚式ロボットで simulation と real-world の両方で評価

2. 先行研究と比べてどこがすごい?

- 標準的な RL フレームワークである PPO の Gaussian policy を、diffusion model と residual term に置き換える点が特徴 - PPO 比で平均 return が 10.35% 向上、wheeled-biped locomotion では最大 13.57% 向上 - cross-embodiment データと複合的な生成アーキテクチャの利点を示す - 単一形態向けの従来 RL ではなく、形態をまたぐ汎化と実機展開の頑健性を狙う

3. 技術・手法の肝は?

- morphology-agnostic な generative diffusion model が、多様な cross-embodiment データセットから形態不変の locomotion pattern を学習 - 軽量な residual policy を RL で最適化し、全 embodiment で共有 - residual policy が diffusion model の生成 action を精緻化し、task-aware な性能と実世界向け頑健性を向上 - 観測/行動次元の差異と system dynamics の違いを吸収する統合設計

4. どうやって有効だと検証した?

- 4 種類の脚式ロボットからなる rich library を用いて評価 - simulation と real-world の両方で実験 - PPO ベースの標準 RL フレームワークと比較し、平均 return と wheeled-biped locomotion での改善を報告 - 具体的なロボット名や実験条件の詳細は要旨からは不明

5. 議論はある?

- cross-embodiment データと複合生成アーキテクチャが、頑健で汎化した locomotion skill 学習に有効であると主張 - diffusion model の形態不変パターン学習と residual policy の task-aware 精緻化の役割分担が議論の中心 - 限界や失敗事例、real-world 展開時の詳細な課題は要旨からは不明

6. 次に読むべき論文は?

- PPO ベースの標準 RL フレームワーク(比較対象) - morphology-agnostic な diffusion model を用いる locomotion 研究 - cross-embodiment 学習や residual policy に関する関連手法 - 具体的な論文名は要旨からは不明

※ 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: Shunpeng Yang, Zhen Fu, Zhefeng Cao, Guo Junde, Patrick Wensing, Wei Zhang, Hua Chen

分類: cs.RO

原文アブストラクト

Generalizing locomotion policies across diverse legged robots with varying morphologies is a key challenge due to differences in observation/action dimensions and system dynamics. In this work, we propose Multi-Loco, a novel unified framework combining a morphology-agnostic generative diffusion model with a lightweight residual policy optimized via reinforcement learning (RL). The diffusion model captures morphology-invariant locomotion patterns from diverse cross-embodiment datasets, improving generalization and robustness. The residual policy is shared across all embodiments and refines the actions generated by the diffusion model, enhancing task-aware performance and robustness for real-world deployment. We evaluated our method with a rich library of four legged robots in both simulation and real-world experiments. Compared to a standard RL framework with PPO, our approach -- replacing the Gaussian policy with a diffusion model and residual term -- achieves a 10.35% average return improvement, with gains up to 13.57% in wheeled-biped locomotion tasks. These results highlight the benefits of cross-embodiment data and composite generative architectures in learning robust, generalized locomotion skills.

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