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:2606.07193

Shield-Loco: 予測的安全フィルタリングによる歩行ポリシーの保護

Shield-Loco: Shielding Locomotion Policies with Predictive Safety Filtering

シェア:XThreadsFacebookLINEはてブBluesky

強化学習による歩行ポリシーに対し、衝突予測に基づいて接触位置を事後フィルタリングする安全フィルタを提案。実機四足ロボットで安全性違反を大幅に削減しつつ、タスク性能の低下を最小限に抑えた。

詳しい要約

1. どんなもの?

- 強化学習(RL)ポリシーによる動的脚式移動において、訓練時に存在しない安全制約違反を防ぐための予測安全フィルタを提案。 - 名目上の接触位置を事後フィルタリングし、衝突予測時には全物理モデルを用いたサンプリングベース最適化で安全な接触系列を非同期に探索。 - 学習済み価値関数で長期リターンをブートストラップ。 - 四足ロボットを密集した clutter 環境でシミュレーションと実世界で検証。

2. 先行研究と比べてどこがすごい?

- 既存の安全フレームワークは、全身行動を推論できない低次元モデルに依存するか、保守的な回復コントローラを必要としタスク性能を低下させる。 - 大規模オフライン安全学習は全てのエッジケースをカバーするには非現実的。 - 提案手法は全物理モデルを用い、名目入力からの逸脱を最小限に抑えつつ安全違反を大幅に削減。

3. 技術・手法の肝は?

- 予測安全フィルタ:RLポリシーに与える名目接触位置を事後フィルタリング。 - 衝突予測時、サンプリングベース最適化器が非同期に安全な接触系列を探索。 - 学習済み価値関数で長期リターンをブートストラップ。 - 3つのアルゴリズム要素:サンプル接触の幾何投影、運動量拡張更新、レプリカ交換により、不連続接触地形での最適化を扱いやすくする。

4. どうやって有効だと検証した?

- 四足ロボットを密集した clutter 環境で、シミュレーションと実世界の両方で検証。 - 安全違反の大幅な削減と、名目入力からの逸脱が最小限であることを示した。

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:低次元モデルに基づく安全フレームワーク、保守的な回復コントローラ、大規模オフライン安全学習。 - 関連手法:サンプリングベース最適化、レプリカ交換、学習済み価値関数によるブートストラップ。

※ 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: Aditya Shirwatkar, Sebastian Sanokowski, Shishir Kolathaya, Aaron Johnson, Majid Khadiv

分類: cs.RO

原文アブストラクト

Reinforcement learning (RL) policies enable dynamic legged locomotion but lack mechanisms to avoid violations of safety constraints that are absent during training. Large-scale offline safe learning is impractical for covering all edge cases. Existing safety frameworks either rely on reduced-order models that cannot reason about whole-body behaviors or require conservative recovery controllers that degrade task performance. We propose a predictive safety filter that post-hoc filters the nominal contact locations fed to the RL policy. When a collision is predicted, a sampling-based optimizer asynchronously searches for safer contact sequences using a full-physics model, while a learned value function bootstraps long-horizon returns. Our three algorithmic components (geometric projection of sampled contacts, momentum-augmented updates, and replica-exchange) make the optimization tractable in a discontinuous contact landscape. We validate the filter on a quadruped robot in dense, cluttered environments, both in simulation and in the real world, showing substantial reductions in safety violations with minimal deviation from the nominal input.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI