アーキテクチャこそが鍵：多様性がもたらすロバストなヒューマノイド歩行のスイートスポット
Architecture Is All You Need: Diversity-Enabled Sweet Spots for Robust Humanoid Locomotion
高速な固有感覚スタビライザーと低速な知覚ポリシーを分離した階層型制御アーキテクチャにより、単一のエンドツーエンド設計よりもロバストなヒューマノイド歩行を実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Blake Werner, Lizhi Yang, Aaron D. Ames
分類: cs.RO, cs.AI, cs.LG, cs.SY, eess.SY
原文アブストラクト
Robust humanoid locomotion in unstructured environments requires architectures that balance fast low-level stabilization with slower perceptual decision-making. We show that a simple layered control architecture (LCA), a proprioceptive stabilizer running at high rate, coupled with a compact low-rate perceptual policy, enables substantially more robust performance than monolithic end-to-end designs, even when using minimal perception encoders. Through a two-stage training curriculum (blind stabilizer pretraining followed by perceptual fine-tuning), we demonstrate that layered policies consistently outperform one-stage alternatives in both simulation and hardware. On a Unitree G1 humanoid, our approach succeeds across stair and ledge tasks where one-stage perceptual policies fail. These results highlight that architectural separation of timescales, rather than network scale or complexity, is the key enabler for robust perception-conditioned locomotion.
