RoboNaldo: 動作誘導カリキュラム強化学習による正確で安定かつ強力なヒューマノイドサッカーシュート

- 人間型ロボットによるサッカーのシュートを対象とした研究 - 全身安定性・高インパルス全身相互作用・目標精度を要求 - RoboNaldo という three-stage motion-guided curriculum RL フレームワークを提案 - 単一の human-kick reference を scaffold として shooting performance へ最適化を移行 - 最終的に moving-ball shooting まで拡張 - 実機 Unitree G1 で onboard perception を用いて検証

- motion tracking-driven RL は全身運動協調の安定性を提供するが、固定 reference のため多様な ball position や strike timing に適応困難 - task reward-driven RL はゼロから有効な kick を探索・発見することが難しい - RoboNaldo は motion-guided curriculum により両者の課題を緩和 - simulation で free-kick shot error が prior work baselines より 48.6% 低減 - shoot velocity が prior work baselines の 2.96x - 実機で post-contact ball velocity 13.10 m/s を達成し、報告されている professional open-play shot speed の 59-71%

- three-stage motion-guided curriculum RL - 単一の human-kick reference を scaffold として利用 - 第1段階: 安定した whole-body kicking prior を学習 - 第2段階: ball が random positions に静止する free-kick settings へ適応 - 第3段階: locomotion-command と kick-trigger interface を通じて moving-ball shooting へ拡張 - training 中は high-level heuristic planner が interface を制御 - inference 時は代替の high-level controllers が同じ low-level policy を駆動可能

- simulation で free-kick shot error 48.6% 低減、shoot velocity 2.96x を prior work baselines と比較 - 実世界で Unitree G1 と onboard perception を使用 - 3 m 先からの free-kick および moving-ball ケースで平均 target shooting error 0.73 m と 0.86 m - post-contact ball velocity 13.10 m/s を達成 - これは報告されている professional open-play shot speed の 59-71%

- 要旨からは不明 - 限界や失敗ケース、sim-to-real gap、計算コストなどについての議論は要旨に記載なし

- motion tracking-driven reinforcement learning - task reward-driven reinforcement learning - humanoid soccer shooting - Unitree G1 - whole-body kicking prior - locomotion-command and kick-trigger interface - high-level heuristic planner