専門家から汎用家へ：ヒューマノイドロボットの汎用全身制御に向けて

- ヒューマノイドロボットの汎用全身制御を目指す学習フレームワーク BumbleBee (BB) の提案。 - 多様な運動要求とデータ衝突により、単一運動専用 policy は汎化が難しいという課題に対処。 - motion clustering と sim-to-real adaptation を組み合わせた expert-generalist 学習。 - 複数の expert policy を蒸留し、単一の generalist controller に統合する。

- 既存フレームワークは単一 motion-specific policy の訓練には優れるが、多様な behavior 間の汎化に苦戦。 - 原因として conflicting control requirements と mismatched data distributions を指摘。 - BB は expert-generalist 構成でこれらを緩和し、agile・robust・generalizable な制御を狙う。 - 2つの simulation と実機 humanoid で state-of-the-art と主張。

- autoencoder-based clustering で motion features と motion descriptions を用い、行動的に類似した motion をグループ化。 - 各 cluster 内で expert policy を訓練。 - 実世界データを用いた iterative delta action modeling で expert を refinement し sim-to-real gap を橋渡し。 - 最後に expert 群を unified generalist controller へ distillation。

- 2つの simulation 環境と実 humanoid robot 上で実験。 - BB が state-of-the-art の general whole-body control を達成したと報告。 - 実世界での agile・robust・generalizable な性能の新 benchmark を提示すると主張。 - 具体的な評価指標・比較手法の詳細は要旨からは不明。

- 多様な motion 間の data conflicts と data distribution mismatch への対処が中心的議論。 - expert 分割と蒸留による汎化・俊敏性・堅牢性の両立が主張点。 - 実機検証を含むが、定量的な限界や失敗事例、cluster 数依存性などの詳細は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として motion clustering、autoencoder-based clustering、sim-to-real adaptation、delta action modeling、policy distillation の各文献を辿るのが有用。 - 同分野の定番として humanoid whole-body control の motion imitation / reinforcement learning 系研究を参照。 - プロジェクトページ https://beingbeyond.github.io/BumbleBee/ も確認候補。