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:2602.07363

UEREBot: 非構造環境と高速動的障害物下での安全な四足歩行の学習

UEREBot: Learning Safe Quadrupedal Locomotion under Unstructured Environments and High-Speed Dynamic Obstacles

シェア:XThreadsFacebookLINEはてブBluesky

非構造環境での目標到達・不整地走破・高速動的障害物回避を両立するため、低速な計画と瞬時の反射的回避を階層的に統合した四足歩行フレームワークを提案し、Isaac LabとUnitree Go2で有効性を示した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットのための階層型ナビゲーション・制御フレームワーク UEREBot を提案。 - 非構造環境での長期的な目標到達、不整地・静的障害物の通過可能性、高速動的障害物の衝突回避を同時に扱う。 - 計画ベースと反応ベースの意思決定を分離・協調させ、安全と目標進捗のトレードオフ改善を狙う。 - Isaac Lab シミュレーションと Unitree Go2 実機で評価。

2. 先行研究と比べてどこがすごい?

- 単一システムでは3目的を同時に満たせないという課題に対し、遅い計画と瞬時の反射的回避を階層的に分離・協調。 - 計画ベースは遅く、純粋な反応ベースは目標進捗と通過可能性を犠牲にする問題を緩和。 - 代表的なベースラインと比較し、回避成功率と歩行安定性を高めつつ目標進捗を維持。 - 安全と進捗のトレードオフを改善した点が先行研究に対する貢献。

3. 技術・手法の肝は?

- 制約付き最適制御問題のブループリントとして定式化。 - 時空間プランナが目標への参照誘導と脅威信号を提供。 - 脅威認識型ハンドオフでナビゲーションと反射行動を融合し、名目コマンドを生成。 - 制御バリア関数シールドを最終実行の安全保証として適用。 - 階層構造で遅い計画と瞬時の反射的回避を実行中に調整。

4. どうやって有効だと検証した?

- Isaac Lab シミュレーションで評価。 - オンボード知覚を備えた Unitree Go2 四足歩行ロボットに実装。 - 複雑な静的構造物と高速動的障害物を含む多様な環境で検証。 - 代表的なベースラインと比較し、回避成功率、歩行安定性、目標進捗の指標で優位性を確認。

5. 議論はある?

- 計画ベースと反応ベースの単一システムでは3目的を同時に満たせないという課題を指摘。 - 階層的分離と協調により安全と進捗のトレードオフ改善を主張。 - 具体的な限界や失敗事例、計算コスト、実機での詳細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、planning-based navigation、reactive collision avoidance、control barrier function (CBF)、spatial-temporal planner、Isaac Lab、Unitree Go2 が挙げられる。 - 同分野の定番として、model predictive control (MPC) や reinforcement learning を用いた四足歩行ロボットのナビゲーション研究を次に読むべき。

※ 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: Zihao Xu, Runyu Lei, Zihao Li, Boxi Lin, Ce Hao, Jin Song Dong

分類: cs.RO

原文アブストラクト

Quadruped robots are increasingly deployed in unstructured environments. Safe locomotion in these settings requires long-horizon goal progress, passability over uneven terrain and static constraints, and collision avoidance against high-speed dynamic obstacles. A single system cannot fully satisfy all three objectives simultaneously: planning-based decisions can be too slow, while purely reactive decisions can sacrifice goal progress and passability. To resolve this conflict, we propose UEREBot (Unstructured-Environment Reflexive Evasion Robot), a hierarchical framework that separates slow planning from instantaneous reflexive evasion and coordinates them during execution. UEREBot formulates the task as a constrained optimal control problem blueprint. It adopts a spatial--temporal planner that provides reference guidance toward the goal and threat signals. It then uses a threat-aware handoff to fuse navigation and reflex actions into a nominal command, and a control barrier function shield as a final execution safeguard. We evaluate UEREBot in Isaac Lab simulation and deploy it on a Unitree Go2 quadruped equipped with onboard perception. Across diverse environments with complex static structure and high-speed dynamic obstacles, UEREBot achieves higher avoidance success and more stable locomotion while maintaining goal progress than representative baselines, demonstrating improved safety--progress trade-offs.

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

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