産業運搬タスクにおける人型ロボットの負荷対応歩行制御

産業環境で荷物を運搬する humanoid robot 向けの load-aware locomotion framework。locomotion と manipulation を分離しつつ協調させる loco-manipulation architecture を採用。lower-body locomotion は reinforcement learning policy が kinematically derived nominal configurations に対する residual joint actions を生成して制御。height-conditioned joint-space offset を伴う kinematics-based locomotion reference が学習を導く。history-based state estimator が base linear velocity と height を推定し、residual load- および manipulation-induced disturbances を compact latent re…

要旨からは不明。varying payloads や upper-body motions 下での dynamic coupling と partial observability が課題であると述べられているが、具体的な先行研究との比較は要旨に記載がない。

decoupled yet coordinated loco-manipulation architecture が肝。lower-body は reinforcement learning policy により kinematically derived nominal configurations への residual joint actions を出力。kinematics-based locomotion reference に height-conditioned joint-space offset を加えて学習を誘導。history-based state estimator が base linear velocity と height を推定し、load- および manipulation-induced disturbances を compact latent representation にエンコードする。

framework は entirely in simulation で訓練され、full-size humanoid robot に fine-tuning なしで deploy。simulation と real-world experiments により、faster training、accurate height tracking、stable loco-manipulation を実証。

要旨からは不明。

要旨からは不明。関連手法として reinforcement learning による locomotion control、history-based state estimation、loco-manipulation の研究が挙げられる。