強化学習/スタント制御2026/5/1arXiv:2605.05110

LineRides: ライン誘導型強化学習による自転車ロボットのスタント動作獲得

LineRides: Line-Guided Reinforcement Learning for Bicycle Robot Stunts

ユーザーが指定した空間的なガイドラインと疎なキー姿勢のみから、デモなしで自転車ロボットに多様なスタント動作を学習させるフレームワークを提案した。

詳しい要約

1. どんなもの？

- 自転車ロボットのスタント行動を強化学習で獲得するフレームワーク「LineRides」を提案。 - ユーザーが与える空間的なガイドラインとスパースなキー姿勢から、デモンストレーションや明示的なタイミングなしに多様なコマンド可能なスタントを学習。 - 対象はカスタム自転車ロボット「Ultra Mobility Vehicle (UMV)」。 - 5種類のスタント（MiniHop, LargeHop, ThreePointTurn, Backflip, DriftTurn）をコマンドで実行可能。

2. 先行研究と比べてどこがすごい？

- 従来の強化学習による敏捷なロボット動作では報酬関数設計が難しく、デモンストレーションを用いる手法は参照動作が必要で、新規プラットフォームや極端なスタントには適用困難。 - LineRidesはデモンストレーションや明示的なタイミングを必要とせず、ユーザー提供の空間ガイドラインとスパースなキー姿勢のみから学習可能。 - 物理的に実行不可能なガイドラインにも対応する追従マージンや、移動距離による時間的曖昧性の解消など、従来にない特徴を持つ。

3. 技術・手法の肝は？

- 空間ガイドラインに沿った追従を基本とし、追従マージンにより制御された逸脱を許容して物理的に不可能なガイドラインを扱う。 - 時間的曖昧性を解消するため、ガイドラインに沿った移動距離で進捗を測定。 - 位置ベースおよびシーケンスベースのキー姿勢により動作の詳細を明確化。 - これらを組み合わせた強化学習フレームワーク。

4. どうやって有効だと検証した？

- Ultra Mobility Vehicle (UMV) 上でLineRidesを評価。 - 通常走行とスタント実行のシームレスな遷移をサポートすることを示した。 - 5種類のスタント（MiniHop, LargeHop, ThreePointTurn, Backflip, DriftTurn）をコマンドで実行可能であることを確認。

5. 議論はある？

- 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。 - 同分野の関連手法として、デモンストレーションを用いた強化学習（例: DeepMimic, AMP）、報酬設計手法（例: 逆強化学習）、自転車ロボットの制御（例: 自律自転車）などが考えられる。

※ 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: Seungeun Rho, Shamel Fahmi, Jeonghwan Kim, Arianna Ilvonen, Sehoon Ha, Gabriel Nelson

分類: cs.RO, cs.AI

原文アブストラクト

Designing reward functions for agile robotic maneuvers in reinforcement learning remains difficult, and demonstration-based approaches often require reference motions that are unavailable for novel platforms or extreme stunts. We present LineRides, a line-guided learning framework that enables a custom bicycle robot to acquire diverse, commandable stunt behaviors from a user-provided spatial guideline and sparse key-orientations, without demonstrations or explicit timing. LineRides handles physically infeasible guidelines using a tracking margin that permits controlled deviation, resolves temporal ambiguity by measuring progress via traveled distance along the guideline, and disambiguates motion details through position- and sequence-based key-orientations. We evaluate LineRides on the Ultra Mobility Vehicle (UMV) and show that the policy trained with our methods supports seamless transitions between normal driving and stunt execution, enabling five distinct stunts on command: MiniHop, LargeHop, ThreePointTurn, Backflip, and DriftTurn.

arXivで原文を読む →arXiv概要ページ

← 論文一覧