日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

歩行arXiv:2512.09537

REASAN: 脚式ロボットのための反応的安全ナビゲーション学習

REASAN: Learning Reactive Safe Navigation for Legged Robots

シェア:XThreadsFacebookLINEはてブBluesky

単一LiDARと4つのモジュール(歩行・安全・ナビゲーションの強化学習方策とTransformerによる点群推定器)を組み合わせ、複雑な動的環境で脚式ロボットがオンボード・リアルタイムに反応的安全ナビゲーションを行うフレームワークを提案。

詳しい要約

1. どんなもの?

- 脚式ロボットのための反応型安全ナビゲーション(REASAN)フレームワーク - 単一の LiDAR センサのみを用いる modularized end-to-end システム - 4 モジュール構成 - locomotion 用 RL policy - safety shielding 用 RL policy - navigation 用 RL policy - raw point-cloud を処理する transformer-based exteroceptive estimator - 全モジュールは simulation で学習 - 単機・複数機の両設定で fully onboard かつ real-time に動作

2. 先行研究と比べてどこがすごい?

- 複雑な脚式 motor-control をモジュール分割し、軽量で単純な neural network で実現 - 標準的な RL 実践と targeted reward shaping・curriculum design のみで学習 - heuristics や高度な policy-switching 機構に依存しない - 既存手法と比べ challenging な navigation タスクで robustness が向上 - 単一 LiDAR で fully onboard・real-time の反応型安全ナビを達成 - 具体的な比較対象名は要旨からは不明

3. 技術・手法の肝は?

- modularized end-to-end 設計 - locomotion / safety shielding / navigation の 3 つの RL policy - transformer-based exteroceptive estimator が raw point-cloud を処理 - 複雑な脚式制御を分割することで軽量 neural network と単純アーキテクチャを実現 - 学習は標準 RL 手続き - targeted reward shaping - curriculum design - heuristics や sophisticated policy-switching を用いない - 単一 LiDAR 入力のみを前提とした構成

4. どうやって有効だと検証した?

- 設計選択を検証する comprehensive ablations を実施 - challenging な navigation タスクで既存手法より robustness が改善することを提示 - single-robot および multi-robot 設定で fully onboard・real-time の反応型ナビを実証 - 具体的な評価指標・環境・ベースライン名は要旨からは不明

5. 議論はある?

- モジュール分割により軽量・単純な network と標準 RL での学習が可能という主張 - heuristics や policy-switching なしで複雑タスクを扱える点を議論 - ablation による設計妥当性の検証を提示 - 限界・失敗事例・計算資源や sim-to-real の詳細は要旨からは不明 - 比較対象の具体的な手法名や定量結果は要旨からは不明

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名は明示されていない - 関連手法として以下が候補 - legged locomotion の RL policy 研究 - safety shielding を用いた安全強化学習 - transformer による point-cloud 表現学習 - LiDAR ベースの reactive navigation - multi-robot navigation - 公開コード(https://github.com/ASIG-X/REASAN)とその参照実装

※ 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: Qihao Yuan, Ziyu Cao, Ming Cao, Kailai Li

分類: cs.RO

原文アブストラクト

We present a novel modularized end-to-end framework for legged reactive navigation in complex dynamic environments using a single light detection and ranging (LiDAR) sensor. The system comprises four simulation-trained modules: three reinforcement-learning (RL) policies for locomotion, safety shielding, and navigation, and a transformer-based exteroceptive estimator that processes raw point-cloud inputs. This modular decomposition of complex legged motor-control tasks enables lightweight neural networks with simple architectures, trained using standard RL practices with targeted reward shaping and curriculum design, without reliance on heuristics or sophisticated policy-switching mechanisms. We conduct comprehensive ablations to validate our design choices and demonstrate improved robustness compared to existing approaches in challenging navigation tasks. The resulting reactive safe navigation (REASAN) system achieves fully onboard and real-time reactive navigation across both single- and multi-robot settings in complex environments. We release our training and deployment code at https://github.com/ASIG-X/REASAN.

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. 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

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