日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

全身制御arXiv:2510.17792

SoftMimic: 例からの柔軟な全身制御の学習

SoftMimic: Learning Compliant Whole-body Control from Examples

シェア:XThreadsFacebookLINEはてブBluesky

人間の動作例から、外部からの力に柔軟に応答しながらバランスを保つヒューマノイドの全身制御方策を強化学習で学習するフレームワークを提案。

詳しい要約

1. どんなもの?

- 人間型ロボットの全身制御ポリシーを例示動作から学習するフレームワーク SoftMimic の提案 - 外部からの予期せぬ接触や力に対して、バランスと姿勢を保ちつつ compliant(柔軟)に応答する制御を目指す - reinforcement learning により単一の motion clip から多様なタスクへ汎化するポリシーを獲得 - simulation と実機実験の両方で検証

2. 先行研究と比べてどこがすごい?

- 既存の人間動作模倣 RL は参照動作からの逸脱を積極的に修正する stiff(硬直)な制御を促す - その結果、予期せぬ接触時に brittle かつ unsafe な挙動になりやすいという課題があった - SoftMimic は剛直な追従ではなく compliant な応答を報酬で促す点が異なる - 単一の motion clip から多様なタスクへ汎化できる点を主張

3. 技術・手法の肝は?

- inverse kinematics solver を用いて実行可能な compliant 動作の augmented dataset を生成 - そのデータセットで reinforcement learning ポリシーを訓練 - 参照動作への剛直な追従ではなく、compliant な応答との一致を報酬付け - これにより外乱の吸収と単一クリップからのタスク汎化を学習 - 詳細なネットワーク構成や報酬設計は要旨からは不明

4. どうやって有効だと検証した?

- simulation と real-world experiments の両方で検証 - 環境との安全かつ効果的なインタラクションを示すと報告 - 具体的な評価指標、比較ベースライン、被験タスクの詳細は要旨からは不明

5. 議論はある?

- 既存手法の硬直制御が接触時に brittle/unsafe になる問題を議論の出発点とする - compliant 応答を報酬化することで外乱吸収と汎化を両立できると主張 - 限界、失敗事例、計算コスト、実機での安全性評価の詳細は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な先行研究名は記載なし - 関連手法として human motion imitation の reinforcement learning、inverse kinematics、compliant control、whole-body control の定番研究を次に読むべき - 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: Gabriel B. Margolis, Michelle Wang, Nolan Fey, Pulkit Agrawal

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

We introduce SoftMimic, a framework for learning compliant whole-body control policies for humanoid robots from example motions. Imitating human motions with reinforcement learning allows humanoids to quickly learn new skills, but existing methods incentivize stiff control that aggressively corrects deviations from a reference motion, leading to brittle and unsafe behavior when the robot encounters unexpected contacts. In contrast, SoftMimic enables robots to respond compliantly to external forces while maintaining balance and posture. Our approach leverages an inverse kinematics solver to generate an augmented dataset of feasible compliant motions, which we use to train a reinforcement learning policy. By rewarding the policy for matching compliant responses rather than rigidly tracking the reference motion, SoftMimic learns to absorb disturbances and generalize to varied tasks from a single motion clip. We validate our method through simulations and real-world experiments, demonstrating safe and effective interaction with the environment.

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