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:2601.17428

学習進捗に基づく自動カリキュラム強化学習による不整地歩行のスケーリング

Scaling Rough Terrain Locomotion with Automatic Curriculum Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

エージェントの学習進捗をオンラインで推定しタスクサンプリング分布を適応的に調整する自動カリキュラム強化学習フレームワークを提案し、四足ロボットANYmal Dが階段や斜面など多様な地形で高速安定歩行を実現した。

詳しい要約

1. どんなもの?

本論文は、複雑で広範なタスク空間におけるロボット学習のためのカリキュラム学習フレームワーク「Learning Progress-based Automatic Curriculum Reinforcement Learning (LP-ACRL)」を提案する。LP-ACRLはエージェントの学習進捗をオンラインで推定し、タスクサンプリング分布を適応的に調整することで、難易度分布の事前知識なしに自動カリキュラムを生成する。これによりANYmal D四足ロボットが階段、斜面、砂利、低摩擦平面などの多様な地形で2.5 m/sの直線速度と3.0 rad/sの角速度を達成・維持する安定した高速移動を可能にする。

2. 先行研究と比べてどこがすごい?

従来のカリキュラム学習は複雑で広範なタスク空間へのスケーリングに限界があり、難易度構造が明確でない場合に難易度順序の定義が困難であった。また、先行手法では平地での高速移動か複雑地形での低速移動に限定されることが多かった。LP-ACRLは難易度分布の事前知識を必要とせず、学習進捗に基づいて自動的にカリキュラムを生成し、多様な地形で高速移動を実現する点で優れている。

3. 技術・手法の肝は?

LP-ACRLの肝は、エージェントの学習進捗をオンラインで推定し、その推定値に基づいてタスクサンプリング分布を適応的に調整する点にある。これにより、タスク空間の難易度分布に関する事前知識なしに、自動的にカリキュラムを生成する。具体的な学習進捗の推定方法や分布調整のアルゴリズム詳細は要旨からは不明。

4. どうやって有効だと検証した?

ANYmal D四足ロボットを用いた実験により、LP-ACRLで訓練されたポリシーが階段、斜面、砂利、低摩擦平面を含む多様な地形で2.5 m/sの直線速度と3.0 rad/sの角速度を達成・維持することを示した。また、LP-ACRLが強いスケーラビリティと実世界適用性を持つことを実験結果が示している。

5. 議論はある?

LP-ACRLは複雑で広範なロボット学習タスク空間におけるカリキュラム生成のための堅牢なベースラインを提供し、今後の研究に貢献すると論じている。一方で、限界や課題についての具体的な議論は要旨からは不明。

6. 次に読むべき論文は?

要旨で参照/比較されている研究は明示されていない。関連手法として、Curriculum Learning、Automatic Curriculum Learning、Learning Progress-based Curriculum Learning、および四足ロボットのRough Terrain Locomotionに関する研究が挙げられる。

※ 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: Ziming Li, Chenhao Li, Marco Hutter

分類: cs.RO

原文アブストラクト

Curriculum learning has demonstrated substantial effectiveness in robot learning. However, it still faces limitations when scaling to complex, wide-ranging task spaces. Such task spaces often lack a well-defined difficulty structure, making the difficulty ordering required by previous methods challenging to define. We propose a Learning Progress-based Automatic Curriculum Reinforcement Learning (LP-ACRL) framework, which estimates the agent's learning progress online and adaptively adjusts the task-sampling distribution, thereby enabling automatic curriculum generation without prior knowledge of the difficulty distribution over the task space. Policies trained with LP-ACRL enable the ANYmal D quadruped to achieve and maintain stable, high-speed locomotion at 2.5 m/s linear velocity and 3.0 rad/s angular velocity across diverse terrains, including stairs, slopes, gravel, and low-friction flat surfaces--whereas previous methods have generally been limited to high speeds on flat terrain or low speeds on complex terrain. Experimental results demonstrate that LP-ACRL exhibits strong scalability and real-world applicability, providing a robust baseline for future research on curriculum generation in complex, wide-ranging robotic learning task spaces.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI