SWAP: 対称等変ワールドモデルによる俊敏なロボットパルクール

SWAPは、四足ロボットのアジャイルパルクールのための、対称等変性を組み込んだエンドツーエンドのworld modelである。latent world modelとactor-criticネットワークの両方に左右対称性を直接埋め込み、極端なパルクールに必要な先読み予測を可能にする。実世界テストで2.13mのギャップ跳躍と1.63mのプラットフォーム登攀を達成し、四足パルクールの記録を更新した。さらに未見の鏡映地形への幾何学的汎化と、多様な屋外環境へのゼロショット転移を示す。

従来のlatent world modelは純粋にデータ駆動的であるため、左右対称な相互作用を独立したパターンとして冗長に符号化してしまう。これが学習負担を増大させ、幾何学的規則性の捕捉を妨げ、下流ポリシーのためのlatent spaceの効率を制限していた。SWAPは対称性をworld modelとactor-criticの両方に構造的priorとして直接埋め込むことで、この冗長性を解消し、学習効率と幾何学的規則性の獲得を改善する点が異なる。

SWAPの肝は、symmetry equivarianceをworld modelとactor-criticネットワークの両方に直接埋め込むend-to-endの枠組みにある。これにより、左右対称な相互作用を独立パターンとして冗長に符号化することを避け、latent spaceの効率を高める。具体的なネットワーク構造や損失関数の詳細は要旨からは不明。

実世界テストで、ロボットが2.13mのギャップを跳躍し、1.63mのプラットフォームを登攀することで、四足パルクールの記録を更新した。さらに、未見の鏡映地形への頑健な幾何学的汎化と、多様な屋外環境への優れたゼロショット転移性を示した。

要旨では、symmetry equivarianceが学習された脚式移動の物理的限界を押し広げるための効果的な構造的priorであると結論づけている。一方で、限界や失敗事例、計算コスト、他の対称性への拡張性などについての議論は要旨からは不明。

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、latent world model、equivariant neural network、actor-critic、legged locomotion、quadruped parkourの定番研究が次に読むべき候補となる。