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:2603.16328

ADAPT: 適応的二重投影アーキテクチャによる知覚的踏破

ADAPT: Adaptive Dual-projection Architecture for Perceptive Traversal

シェア:XThreadsFacebookLINEはてブBluesky

人型ロボットの複雑な3D環境での移動のため、水平標高マップと垂直距離マップの二重投影で環境を表現し、センシング範囲を学習可能な行動として扱うことで、高速移動時は広く、障害物の多い場面では狭く知覚範囲を適応させる手法を提案した。

詳しい要約

1. どんなもの?

- 複雑な3D環境での俊敏なhumanoid locomotionを実現するための知覚・制御アーキテクチャ。 - 環境をhorizontal elevation map(地形形状)とvertical distance map(通行可能空間制約)の二重投影で表現。 - 空間センシング範囲を学習可能なactionとして扱い、高速移動時は知覚horizonを拡大、混雑環境では縮小して局所解像度を高める。 - 既存のvoxel-based手法と比べ観測次元と計算コストを大幅削減し、訓練を加速。

2. 先行研究と比べてどこがすごい?

- 既存手法はrigid sensing configurationsに依存し、知覚忠実度と計算効率のバランスに課題。 - ADAPTはvoxel-based baselinesと比較して観測次元と計算オーバーヘッドを劇的に削減。 - 訓練速度を大幅に加速。 - 固定範囲のbaselinesを有意に上回り、多様な3D環境課題で堅牢なtraversalを実現。 - Unitree G1 Humanoidへのzero-shot transferに成功。

3. 技術・手法の肝は?

- 環境表現にhorizontal elevation mapとvertical distance mapのdual-projectionを採用。 - 空間センシング範囲をlearnable actionとして扱い、policyが動的に知覚horizonを調整。 - 高速移動時は知覚範囲を拡大、混雑環境では縮小して局所解像度を向上。 - これにより観測次元と計算コストを削減しつつ適応的な知覚を実現。

4. どうやって有効だと検証した?

- Unitree G1 Humanoidへのzero-shot transferを実験的に達成。 - 固定範囲のbaselinesと比較して有意に優れた性能を確認。 - 多様な3D環境課題において高いrobustnessを示すtraversalを実現。 - 訓練速度の加速も実験的に検証。

5. 議論はある?

- 要旨からは不明。 - 具体的な議論や限界、失敗事例については記述がない。

6. 次に読むべき論文は?

- voxel-based baselines(具体的な論文名は要旨に記載なし) - fixed-range baselines(具体的な論文名は要旨に記載なし) - 同分野の定番として、humanoid locomotionやperceptive traversalに関する研究(例:学習ベースのlocomotion、elevation mapを用いた手法)

※ 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: Shuo Shao, Tianchen Huang, Wei Gao, Shiwu Zhang

分類: cs.RO

原文アブストラクト

Agile humanoid locomotion in complex 3D en- vironments requires balancing perceptual fidelity with com- putational efficiency, yet existing methods typically rely on rigid sensing configurations. We propose ADAPT (Adaptive dual-projection architecture for perceptive traversal), which represents the environment using a horizontal elevation map for terrain geometry and a vertical distance map for traversable- space constraints. ADAPT further treats its spatial sensing range as a learnable action, enabling the policy to expand its perceptual horizon during fast motion and contract it in cluttered scenes for finer local resolution. Compared with voxel-based baselines, ADAPT drastically reduces observation dimensionality and computational overhead while substantially accelerating training. Experimentally, it achieves successful zero-shot transfer to a Unitree G1 Humanoid and signifi- cantly outperforms fixed-range baselines, yielding highly robust traversal across diverse 3D environtmental challenges.

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

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