日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイド/協調設計arXiv:2510.22336

ヒューマノイドの脳と身体の協調設計:転倒復帰のための制御と形態の同時最適化

Toward Humanoid Brain-Body Co-design: Joint Optimization of Control and Morphology for Fall Recovery

シェア:XThreadsFacebookLINEはてブBluesky

制御方策と身体形態を反復的に同時最適化するフレームワークRoboCraftを提案し、7種の公開ヒューマノイドで平均44.55%の性能向上を達成した。

詳しい要約

1. どんなもの?

- ヒューマノイドロボットの**fall recovery**(転倒復帰)を対象に、制御policyと身体morphologyを同時最適化する**brain-body co-design**フレームワーク「**RoboCraft**」の提案。 - 制御policyとmorphologyの結合更新を反復し、性能を段階的に改善するscalableな枠組み。 - 複数designで事前学習したshared policyを高性能morphology上でfinetuneし、ゼロからの再学習なしで適応。 - morphology探索はhuman-inspired priorsと最適化アルゴリズムで誘導し、priority bufferで有望候補の再評価と新規design探索を両立。

2. 先行研究と比べてどこがすごい?

- 従来のhumanoid制御は固定morphology前提が中心で、制御と身体形状を同時最適化するco-designは限定的だったと考えられる(個別の先行研究名は要旨からは不明)。 - 本手法はfall recoveryに焦点を当て、制御policyとmorphologyの反復的な結合更新をscalableに実現。 - 複数design横断のshared policy pretrainingとfinetuningにより、designごとのゼロからの学習を回避。 - 7体の公開humanoid robotsで平均44.55%の性能向上、4体のco-designでは改善の少なくとも40%がmorphology最適化由来と報告。

3. 技術・手法の肝は?

- **shared policy pretraining**:複数のmorphology designにまたがるpolicyを事前学習し、適応の基盤とする。 - **progressive finetuning**:高性能morphology上でshared policyを段階的にfinetuneし、再学習なしで効率的に適応。 - **morphology search**:human-inspired priorsと最適化アルゴリズムでdesign空間を探索。 - **priority buffer**:有望候補の再評価と新規design探索のバランスを取る仕組み。 - 制御policy更新とmorphology更新を交互に繰り返す反復的co-designループ。

4. どうやって有効だと検証した?

- 7体の公開humanoid robots上で評価し、平均44.55%の性能向上を報告。 - 4体のhumanoid robotsのco-designで、改善の少なくとも40%がmorphology最適化に起因することを示し、co-designの重要性を裏付け。 - 具体的なベースライン比較、タスク設定、評価指標の詳細は要旨からは不明。

5. 議論はある?

- morphology最適化が性能改善の大きな割合(4体中で少なくとも40%)を占め、brain-body co-designの有効性を強調。 - fall recoveryが安全性・resilience向上に加えlocomotion系と自然に統合され、humanoidのautonomyに寄与する点を議論。 - 限界、sim-to-realのギャップ、計算コスト、design空間の一般性などは要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていないため、同分野の定番として以下が候補。 - humanoid locomotionの強化学習(例:**Isaac Gym**系の大規模並列RL研究)。 - 転倒復帰・get-up制御に関する強化学習研究。 - robot morphologyとcontrolの共最適化(co-design)に関する研究。 - 進化的・ベイズ最適化によるmorphology search研究。

※ 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: Bo Yue, Sheng Xu, Kui Jia, Guiliang Liu

分類: cs.RO, cs.AI

原文アブストラクト

Humanoid robots represent a central frontier in embodied intelligence, as their anthropomorphic form enables natural deployment in humans' workspace. Brain-body co-design for humanoids presents a promising approach to realizing this potential by jointly optimizing control policies and physical morphology. Within this context, fall recovery emerges as a critical capability. It not only enhances safety and resilience but also integrates naturally with locomotion systems, thereby advancing the autonomy of humanoids. In this paper, we propose RoboCraft, a scalable humanoid co-design framework for fall recovery that iteratively improves performance through the coupled updates of control policy and morphology. A shared policy pretrained across multiple designs is progressively finetuned on high-performing morphologies, enabling efficient adaptation without retraining from scratch. Concurrently, morphology search is guided by human-inspired priors and optimization algorithms, supported by a priority buffer that balances reevaluation of promising candidates with the exploration of novel designs. Experiments show that RoboCraft achieves an average performance gain of 44.55% on seven public humanoid robots, with morphology optimization drives at least 40% of improvements in co-designing four humanoid robots, underscoring the critical role of humanoid co-design.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI