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:2606.19633

CTS-MoE: 混合専門家による暗黙の地形適応を実現する知覚 locomotion

CTS-MoE: Implicit Terrain Adaptation via Mixture-of-Experts for Perceptive Locomotion

シェア:XThreadsFacebookLINEはてブBluesky

不連続な地形を歩く四脚ロボットのための、混合専門家アーキテクチャとマルチクリティックを用いた強化学習手法を提案。単一のポリシーで共有動作とタスク特化を両立し、シミュレーションと実機で有効性を実証した。

詳しい要約

1. どんなもの?

不連続地形(階段、ギャップ、障害物など)を歩行する脚式ロボットのための、知覚に基づく適応的な移動制御手法 CTS-MoE を提案する。 - 地形の急激なトポロジー変化に対応するため、単一の保守的な歩容では不十分。 - マルチタスク強化学習として定式化し、共有と分離の緊張関係を扱う。 - 密な mixture-of-experts actor と知覚ベースの gating を組み合わせ、共有行動を構成。 - マルチクリティックとタスク固有の value head で干渉を防止。 - 展開時は知覚のみでルーティングし、地形適応を実現。

2. 先行研究と比べてどこがすごい?

従来研究は共有と分離の片側のみを扱っていた。 - モノリシックなポリシーは専門化を犠牲にし、階層的なサブポリシーは遷移や未見地形への汎化を犠牲にしていた。 - CTS-MoE は両方を同時に解決し、タスク認識の専門化と汎化を両立。 - 展開時に高レベルセレクタや地形分類器を必要とせず、知覚のみでルーティング可能。 - 単一ステージの同時 teacher-student 学習で部分観測性に対処し、逐次蒸留を回避。

3. 技術・手法の肝は?

密な mixture-of-experts actor と知覚ベースの gating を組み合わせる。 - マルチクリティックとタスク固有の value head で価値干渉を防止。 - 単一ステージの同時 teacher-student セットアップで end-to-end 学習。 - 部分観測性を扱い、逐次蒸留を回避。 - タスクラベルは学習時のみ使用。 - 展開時は知覚のみでルーティングし、地形適応を実現。

4. どうやって有効だと検証した?

Unitree Go1 を用いたシミュレーションとハードウェア実験で検証。 - 既知および未知の地形で評価。 - モノリシックなベースラインと比較し、追従誤差が低く、成功率が高いことを示した。 - タスク認識の専門化を確認。

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。 - 関連手法として、モノリシックポリシー、階層的サブポリシー、mixture-of-experts、マルチタスク強化学習、teacher-student 学習などが挙げられる。 - 同分野の定番として、perceptive locomotion に関する研究(例:Lee et al. 2020, Miki et al. 2022)が参考になる。

※ 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: Francisco Affonso, Matheus P. Angarola, Ana Luiza Mineiro, Aditya Potnis, Marcelo Becker, Girish Chowdhary

分類: cs.RO, cs.AI

原文アブストラクト

Perceptive legged locomotion over discontinuous terrain (e.g., stairs, gaps, and obstacles) requires adaptive behavior, as a single conservative gait cannot produce the anticipatory maneuvers needed for abrupt topology changes. Cast as multi-task reinforcement learning, this problem introduces a tension between sharing and separation. Tasks use a common locomotion base but have conflicting rewards, so a policy must share behavior while avoiding value interference. Prior work addresses only one side, with monolithic policies sacrificing specialization and hierarchical sub-policies sacrificing generalization across transitions and unseen terrain. We propose CTS-MoE, which combines a dense mixture-of-experts actor with perception-based gating to compose shared behaviors and a multi-critic with task-specific value heads to prevent interference. The model is trained end-to-end in a single-stage concurrent teacher-student setup that handles partial observability and avoids sequential distillation, with task labels used only during training. At deployment, routing depends solely on perception, allowing terrain adaptation without a high-level selector or terrain classifier. Experiments on a Unitree Go1 in simulation and on hardware across seen and unseen terrains show task-aware specialization, with lower tracking error and higher success rates than monolithic baselines. Project Website: https://cts-moe.github.io/ .

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI