日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイド/マニピュレーションarXiv:2603.08961

FAME: 全身ヒューマノイドの操作範囲を拡大する力適応型強化学習

FAME: Force-Adaptive RL for Expanding the Manipulation Envelope of a Full-Scale Humanoid

シェア:XThreadsFacebookLINEはてブBluesky

上半身の姿勢と両手にかかる力を潜在表現として取り込み、外力下でもバランスを保つ立ち姿勢ポリシーを強化学習で獲得。力覚センサなしで実機ヒューマノイドに適用可能。

詳しい要約

1. どんなもの?

本論文は、フルスケールヒューマノイドの両腕マニピュレーション時に外部手先力を受けてもバランスを維持するための、力適応型強化学習フレームワーク FAME を提案する。 - 立ち姿勢ポリシーを、上半身関節配置と両手の相互作用力を符号化した学習済み潜在コンテキストに条件付ける。 - 訓練では各手に球面上でサンプリングした多様な3D力を加え、上半身姿勢カリキュラムと組み合わせて摂動に晒す。 - 展開時はロボット動力学から相互作用力を推定し、同じエンコーダに入力することで、手首力/トルクセンサなしでオンライン適応を可能にする。 - シミュレーションと実機 Unitree H12 で評価する。

2. 先行研究と比べてどこがすごい?

要旨では、カリキュラムのみのベースラインとベースポリシーとの比較が示されている。 - 5つの固定腕配置、ランダム手先力、指令ベース高さのシミュレーションで、FAME は平均立ち成功を 73.84% に向上。 - カリキュラムのみのベースラインは 51.40%、ベースポリシーは 29.44% であり、FAME が大きく上回る。 - また、手首力/トルクセンサなしで展開時にオンライン適応できる点を特徴とする。 - 先行研究との具体的な比較は要旨からは不明。

3. 技術・手法の肝は?

技術の肝は、力適応型 RL と潜在コンテキスト条件付けにある。 - 立ちポリシーを、上半身関節配置と両手相互作用力を符号化した学習済み潜在コンテキストに条件付ける。 - 訓練時、各手に球面上でサンプリングした多様な3D力を加え、上半身姿勢カリキュラムと組み合わせて、連続的に変化する腕配置でのマニピュレーション由来摂動にポリシーを晒す。 - 展開時、相互作用力をロボット動力学から推定し、同じエンコーダに入力。手首力/トルクセンサを必要とせずオンライン適応する。

4. どうやって有効だと検証した?

シミュレーションと実機で検証している。 - シミュレーションでは、5つの固定腕配置、ランダム手先力、指令ベース高さの条件で評価。 - FAME は平均立ち成功 73.84% を達成し、カリキュラムのみのベースライン 51.40%、ベースポリシー 29.44% を上回った。 - さらに、フルスケール Unitree H12 ヒューマノイドに学習済みポリシーを展開し、非対称単腕負荷や対称両腕負荷を含む代表的な負荷相互作用シナリオでロバスト性を評価した。

5. 議論はある?

要旨からは、限界や議論の詳細は不明。 - 提案手法は手首力/トルクセンサなしで展開時にオンライン適応できる点を主張している。 - 実機評価は代表的な負荷相互作用シナリオに限定されており、より広いタスクや環境への一般化については要旨からは不明。 - シミュレーションと実機のギャップや失敗事例に関する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、カリキュラムのみのベースラインとベースポリシーのみで、具体的な論文名は挙げられていない。 - 関連手法として、humanoid bimanual manipulation、force-adaptive reinforcement learning、latent context encoding、upper-body pose curriculum が挙げられる。 - 同分野の定番としては、humanoid loco-manipulation や whole-body control に関する研究が次に読むべき候補となる。 - 具体的な論文名は要旨からは不明。

※ 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: Niraj Pudasaini, Yutong Zhang, Jensen Lavering, Alessandro Roncone, Nikolaus Correll

分類: cs.RO

原文アブストラクト

Maintaining balance under external hand forces is critical for humanoid bimanual manipulation, where interaction forces propagate through the kinematic chain and constrain the feasible manipulation envelope. We propose \textbf{FAME}, a force-adaptive reinforcement learning framework that conditions a standing policy on a learned latent context encoding upper-body joint configuration and bimanual interaction forces. During training, we apply diverse, spherically sampled 3D forces on each hand to inject disturbances in simulation together with an upper-body pose curriculum, exposing the policy to manipulation-induced perturbations across continuously varying arm configurations. At deployment, interaction forces are estimated from the robot dynamics and fed to the same encoder, enabling online adaptation without wrist force/torque sensors. In simulation across five fixed arm configurations with randomized hand forces and commanded base heights, FAME improves mean standing success to 73.84%, compared to 51.40% for the curriculum-only baseline and 29.44% for the base policy. We further deploy the learned policy on a full-scale Unitree H12 humanoid and evaluate robustness in representative load-interaction scenarios, including asymmetric single-arm load and symmetric bimanual load. Code and videos are available on https://fame10.github.io/Fame/

  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