PMG: 人間らしい歩行制御のためのパラメータ化モーション生成器

本論文は、ヒューマノイドの全身運動制御のためのリアルタイム動作生成器 PMG (Parameterized Motion Generator) を提案する。人間の運動構造の分析に基づき、少数のパラメータ化された運動データと高次元制御コマンドから参照軌道を合成する。模倣学習パイプラインと最適化ベースの sim-to-real モータパラメータ同定モジュールを組み合わせ、ヒューマノイド試作機 ZERITH Z1 で検証する。自然で人間らしい歩行・移動、VR テレオペレーションを含む高次元制御入力への応答、効率的で検証可能な sim-to-real 転移を単一システムで実現する。

従来のデータ駆動強化学習や motion tracking は低レベル追従や軌道追従が成熟しているが、全身参照誘導法は高レベルコマンドインターフェースや多様なタスク文脈への適応が難しい。大規模高品質データセットを要し、速度・姿勢レジームで脆く、ロボット固有のキャリブレーションに敏感である。PMG は少数のパラメータ化運動データと高次元コマンドのみで参照軌道を合成し、これらの制約を緩和する点が異なる。

肝は、人間の運動構造の分析に基づくリアルタイム動作生成器 PMG である。少数のパラメータ化運動データと高次元制御コマンドから参照軌道を合成する。さらに模倣学習パイプラインと、最適化ベースの sim-to-real モータパラメータ同定モジュールを組み合わせる。これにより高次元入力への応答と sim-to-real 転移を統合的に扱う。

ヒューマノイド試作機 ZERITH Z1 上で完全なアプローチを検証した。単一の統合システム内で、PMG が自然で人間らしい locomotion を生成し、VR ベースのテレオペレーションを含む高次元制御入力に正確に応答し、効率的で検証可能な sim-to-real 転移を可能にすることを示した。

従来の全身参照誘導法が抱える大規模データセット要求、速度・姿勢レジームでの脆さ、ロボット固有キャリブレーションへの敏感さを課題として挙げ、PMG がそれらを緩和する実用的経路を提示すると主張する。ただし要旨からは、限界や失敗事例、定量的な比較結果の詳細は不明である。

要旨で参照・比較されているのは、data-driven reinforcement learning、motion tracking、trajectory-following controllers、whole-body reference-guided methods、imitation-learning pipeline、optimization-based sim-to-real motor parameter identification である。関連手法として、humanoid locomotion の motion tracking や sim-to-real 転移に関する研究を挙げる。