ヒューマノイドの接触計画のための自己視点ワールドモデル

- ヒューマノイドロボットが衝突回避ではなく物理的接触を積極的に活用するための contact planning フレームワーク。 - learned world model と sampling-based Model Predictive Control (MPC) を組み合わせる。 - demonstration-free の offline dataset で学習し、compressed latent space 上で将来結果を予測。 - proprioception と ego-centric depth images から実機ヒューマノイドでリアルタイム動作。

- 従来の optimization-based planner は contact complexity の扱いに苦戦。 - on-policy reinforcement learning (RL) は sample efficiency が低く multi-task 能力が限定的。 - 提案法は単一の scalable model で複数 contact-aware タスクを扱い、sample efficiency と multi-task capability を改善。 - demonstration-free offline dataset を用いる点も特徴。

- learned world model を sampling-based MPC と統合。 - compressed latent space で将来 outcomes を予測。 - 疎な contact rewards と sensor noise に対処するため、learned surrogate value function を MPC に用いて dense で robust な planning を実現。 - 単一モデルで複数タスクを支援する scalable 設計。

- wall support after perturbation、blocking incoming objects、height-limited arches の traversing を含む contact-aware タスクで評価。 - on-policy RL と比較し sample efficiency と multi-task capability の改善を確認。 - 実機ヒューマノイドに deploy し、proprioception と ego-centric depth images からの robust で real-time な contact planning を実証。

- 要旨からは不明。 - 実機展開や複数タスクでの有効性は示されるが、限界や失敗事例、計算コストの詳細な議論は要旨に記載なし。

- on-policy reinforcement learning (RL) との比較が示されているため、関連する on-policy RL 研究。 - sampling-based Model Predictive Control (MPC) および learned world model を用いた planning 研究。 - contact-rich humanoid locomotion/planning の定番手法（一般名として model-based RL、offline RL、latent world model など）。