CLOT: 全身ヒューマノイド遠隔操作のための閉ループ大域モーショントラッキング

本論文は、CLOT (Closed-Loop Global Motion Tracking) という、全身ヒューマノイドのテレオペレーションシステムを提案している。長期的な全身テレオペレーションでは、特にフルサイズのヒューマノイドにおいて、グローバル姿勢のドリフトが蓄積することが課題である。CLOTは、高頻度のローカリゼーションフィードバックを用いて閉ループのグローバルモーショントラッキングを実現し、オペレータとロボットの姿勢を閉ループで同期させることで、長期間にわたるドリフトのない人間からヒューマノイドへの模倣を可能にする。

近年の学習ベースのトラッキング手法は、俊敏で協調的な動きを可能にするが、通常はロボットのローカルフレームで動作し、グローバル姿勢フィードバックを無視するため、長時間の実行でドリフトや不安定性が生じる。CLOTは、閉ループのグローバルモーショントラッキングを導入することで、この問題を解決し、ドリフトのない長期的な模倣を実現する点が先行研究と比べて優れている。

CLOTの技術的な肝は、以下の点にある。 - 高頻度のローカリゼーションフィードバックによる閉ループのグローバルモーショントラッキング。 - 強化学習において直接グローバルトラッキング報酬を与えると、攻撃的で脆い修正が生じるため、データ駆動型のランダム化戦略を提案し、観測軌道と報酬評価を分離することで、滑らかで安定したグローバル修正を可能にする。 - さらに、敵対的モーションプライアを用いてポリシーを正則化し、不自然な行動を抑制する。 - トランスフォーマーベースのポリシーを設計し、1300 GPU時間以上かけて訓練。 - 31 DoF（手を除く）のフルサイズヒューマノイドに展開。

シミュレーションと実世界の両方の実験により、高ダイナミックな動き、高精度のトラッキング、およびsim-to-realヒューマノイドテレオペレーションにおける強いロバスト性が検証されている。また、20時間の厳選された人間のモーションデータを収集し、ヒューマノイドテレオペレーションポリシーの訓練に使用している。

要旨からは、具体的な議論や限界についての言及は不明である。ただし、直接グローバルトラッキング報酬を強化学習に課すと攻撃的で脆い修正が生じる問題や、不自然な行動を抑制する必要性について言及されている。

要旨で参照/比較されている研究は明示されていないが、関連手法として、学習ベースのトラッキング手法（local frameで動作するもの）や、強化学習を用いたヒューマノイド制御、敵対的モーションプライア、トランスフォーマーベースのポリシーなどが挙げられる。同分野の定番としては、DeepMimicやAMP (Adversarial Motion Priors) などが考えられる。