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:2603.07400

不連続な足場におけるヒューマノイド歩行のための知覚型可変タイミング足踏み計画

Perceptive Variable-Timing Footstep Planning for Humanoid Locomotion on Disconnected Footholds

シェア:XThreadsFacebookLINEはてブBluesky

障害物や危険な地面領域により不連続な足場環境で、足の配置と歩行タイミングを同時に計画する混合整数モデル予測制御フレームワークを提案。深度画像から凸な可踏領域を抽出し、DCMダイナミクスに基づく安全性制約を組み込むことで、実時間で動的に一貫した歩容を生成する。

詳しい要約

1. どんなもの?

- どんなもの? - 人間型ロボットのための、知覚に基づく可変タイミングの足踏み計画フレームワーク。 - オンボードで動作し、混合整数モデル予測制御(mixed-integer model predictive control)を用いる。 - 足場が不連続なステッピングストーン状の領域での歩行を対象とする。 - 足配置と歩行時間を同時に計画する。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 従来の研究では、足場の不連続性や可変タイミングを同時に扱うことが難しかった。 - 本研究では、知覚情報を取り込み、混合整数計画で足場選択とタイミングを統合的に最適化する。 - 安全性を保証するために、DCM空間での捕捉可能性境界を組み込んでいる点が新しい。 - ミリ秒レベルの求解時間を実現し、実時間計画が可能である。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - 自己中心的な深度画像を確率的なローカル高さマップに融合し、凸な踏み可能領域の和集合を抽出する。 - 混合整数二次計画(MIQP)で領域所属をバイナリ変数で強制する。 - ステップ間のDivergent Component of Motion(DCM)ダイナミクスを用いて足配置と歩行時間を同時に計画する。 - 安全性を保証するために、DCM空間での捕捉可能性境界(横方向の1ステップ条件と矢状方向の無限ステップ境界)を埋め込む。 - ステップ内で再計画を行い、測定された瞬間DCMを逆伝播して初期DCMを更新する。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - シミュレーションでDigitロボットを用いて評価した。 - ランダム化されたステッピングストーン場で、外部からの押しを含む実験を行った。 - 計画器は地形を考慮した動的に整合する足踏みシーケンスを適応的なタイミングで生成し、ミリ秒レベルの求解時間を示した。

5. 議論はある?

- 議論はある? - 要旨からは不明。

6. 次に読むべき論文は?

- 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、DCMに基づく歩行計画、混合整数計画を用いた足場計画、知覚に基づく人間型ロボットの歩行に関する論文が挙げられる。

※ 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: Zhaoyang Xiang, Upama Pant, Ayonga Hereid

分類: cs.RO

原文アブストラクト

Many real-world walking scenarios contain obstacles and unsafe ground patches (e.g., slippery or cluttered areas), leaving a disconnected set of admissible footholds that can be modeled as stepping-stone-like regions. We propose an onboard, perceptive mixed-integer model predictive control framework that jointly plans foot placement and step duration using step-to-step Divergent Component of Motion (DCM) dynamics. Ego-centric depth images are fused into a probabilistic local heightmap, from which we extract a union of convex steppable regions. Region membership is enforced with binary variables in a mixed-integer quadratic program (MIQP). To keep the optimization tractable while certifying safety, we embed capturability bounds in the DCM space: a lateral one-step condition (preventing leg crossing) and a sagittal infinite-step bound that limits unstable growth. We further re-plan within the step by back-propagating the measured instantaneous DCM to update the initial DCM, improving robustness to model mismatch and external disturbances. We evaluate the approach in simulation on Digit on randomized stepping-stone fields, including external pushes. The planner generates terrain-aware, dynamically consistent footstep sequences with adaptive timing and millisecond-level solve times.

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