H-Zero: ヒューマノイド横断歩行事前学習による少数ショット新規身体転移

- ヒューマノイドロボットの歩行制御を、複数の機体で事前学習するパイプライン「H-Zero」 - 汎化可能な humanoid base policy を学習する - 限られた embodiment 集合での pretraining により、新規ヒューマノイドへ zero-shot / few-shot transfer を狙う - 既存手法は機体ごとに reward 関数・物理パラメータ・training hyperparameters の調整が必要 - 評価は simulation 上で unseen robots への転移を確認

- 既存の歩行制御は特定の robot design に特化し、機体ごとに reward 関数や物理パラメータ、training hyperparameters の多大な調整を要する - H-Zero は cross-humanoid の pretraining により、新規機体への zero-shot / few-shot transfer を可能にする点が異なる - 限られた embodiment 集合の pretraining で、未見ヒューマノイドや upright quadrupeds へ 30 分の fine-tuning で転移できると報告 - 具体的な先行研究名との比較は要旨からは不明

- cross-humanoid locomotion pretraining pipeline により generalizable humanoid base policy を学習 - 限られた embodiment 集合で pretraining - 新規ロボットには zero-shot または few-shot fine-tuning で適応 - 機体ごとの reward 設計やパラメータ調整を前提としない汎用 base policy の獲得が肝 - 詳細なネットワーク構成や学習アルゴリズムは要旨からは不明

- simulation 上で unseen robots に対する評価を実施 - pretrained policy が full episode duration の最大 81% を維持 - unseen humanoids および upright quadrupeds への few-shot transfer を 30 分の fine-tuning で確認 - 実機での検証については要旨からは不明

- 限られた embodiment 集合の pretraining でどこまで汎化できるかが議論点 - zero-shot 時の性能保持が最大 81% にとどまる点の限界や改善余地 - 実機環境やより多様な機体への適用可能性は要旨からは不明 - reward 設計やハイパーパラメータ調整の削減効果の定量的議論は要旨からは不明

- 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、humanoid locomotion の強化学習制御、sim-to-real transfer、domain randomization、meta-learning による few-shot adaptation、cross-embodiment / cross-morphology transfer の代表的文献を次に読むべき - 具体的な論文名は要旨からは不明