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/強化学習arXiv:2603.10306

SteadyTray: 残差強化学習による人型ロボットのトレイ運搬における物体バランス学習

SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport via Residual Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

人型ロボットが歩行中にトレイ上の物体を安定して運ぶための階層型強化学習フレームワークを提案し、歩行制御と物体安定化を分離することで高い成功率と実機でのゼロショット転移を実現した。

詳しい要約

1. どんなもの?

- 本論文は、ヒューマノイドによるトレイ搬送時の物体バランスタスクを学習するための階層型強化学習アーキテクチャ ReST-RL を提案している。 - 歩行制御とペイロード安定化を明示的に分離し、SteadyTray ベンチマークで評価する。 - シミュレーションで速度追従成功率 96.9%、外力擾乱に対するロバスト性 74.5% を達成。 - Unitree G1 ヒューマノイドに実装し、ゼロショット sim-to-real 汎化を実証。

2. 先行研究と比べてどこがすごい?

- 従来のモノリシックな end-to-end 学習と異なり、歩行ポリシーと残差モジュールを分離する階層構造を採用。 - この分離により、歩行の安定性を損なわずにトレイ搬送の安定化を実現。 - シミュレーションで end-to-end ベースラインを歩行の滑らかさと姿勢精度で大幅に上回る。 - 実機へのゼロショット転移を実現し、様々な物体や外力擾乱に対して高い信頼性を示す。

3. 技術・手法の肝は?

- 階層型強化学習アーキテクチャ ReST-RL を採用。 - ロバストなベース歩行ポリシーと、歩行によって生じる擾乱をエンドエフェクタで能動的に打ち消す動的残差モジュールを統合。 - 歩行制御とペイロード安定化を明示的に分離することで、安定したトレイ搬送を実現。 - 残差設計により、歩行の安定性を維持しつつ、トレイの姿勢と速度を制御。

4. どうやって有効だと検証した?

- シミュレーションで評価を実施。 - 速度追従タスクで 96.9% の成功率、外力擾乱に対するロバスト性で 74.5% を達成。 - end-to-end ベースラインと比較し、歩行の滑らかさと姿勢精度で有意に優れることを確認。 - Unitree G1 ヒューマノイド実機に展開し、様々な物体と外力擾乱に対してゼロショット sim-to-real 汎化を実証。

5. 議論はある?

- 要旨からは、議論や限界についての明示的な記述は不明。 - 提案手法の有効性はシミュレーションと実機実験で示されているが、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、end-to-end 強化学習、階層型強化学習、残差強化学習、sim-to-real 転移学習が挙げられる。 - 同分野の定番として、ヒューマノイドの歩行制御や物体搬送に関する研究が考えられる。

※ 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: Anlun Huang, Zhenyu Wu, Soofiyan Atar, Yuheng Zhi, Michael Yip

分類: cs.RO

原文アブストラクト

Stabilizing unsecured payloads against the inherent oscillations of dynamic bipedal locomotion remains a critical engineering bottleneck for humanoids in unstructured environments. To solve this, we introduce ReST-RL, a hierarchical reinforcement learning architecture that explicitly decouples locomotion from payload stabilization, evaluated via the SteadyTray benchmark. Rather than relying on monolithic end-to-end learning, our framework integrates a robust base locomotion policy with a dynamic residual module engineered to actively cancel gait-induced perturbations at the end-effector. This architectural separation ensures steady tray transport without degrading the underlying bipedal stability. In simulation, the residual design significantly outperforms end-to-end baselines in gait smoothness and orientation accuracy, achieving a 96.9% success rate in variable velocity tracking and 74.5% robustness against external force disturbances. Successfully deployed on the Unitree G1 humanoid hardware, this modular approach demonstrates highly reliable zero-shot sim-to-real generalization across various objects and external force disturbances.

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. 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

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