人型ロボットのための非同期上半身タスク空間軌道追従ポリシーの学習
Learning Asynchronous Upper-body Task-space Trajectory Tracking Policy for Humanoid Robots
人型ロボットの高レベルプランナーが出力する低レートのタスク空間軌道と、高レートで動作する全身制御の間の時間的非同期性と構造的不完全性に対処するため、非同期の上半身タスク空間追従フレームワークを提案。教師-学生蒸留とスライディングウィンドウ報酬を用いてフレームドリフトを低減し、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？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Yumeng Liu, Dongqi Wang, Jiyu Yu, Yijun Fan, Rong Xiong, Yue Wang
分類: cs.RO
原文アブストラクト
High-level humanoid planners often output sparse task-space, low-rate trajectories, whereas whole-body controllers run at high frequency. This creates temporal asynchrony between the planning and execution, and structural incompleteness for full-body control. We propose an asynchronous upper body task-space tracking framework for humanoids. A student policy is initialized by teacher-student distillation, conditioned on the full cached future trajectory and an execution-time index, and trained with a sliding-window global reward to reduce frame drift without explicit frame estimation. For task-specific post-training, an MPC module completes sparse references into floating-base and upper-body guidance, while action- and FK level self-guidance constrain policy drift. Simulation and Unitree G1 hardware experiments show improved tracking under low update rates, stronger performance than synchronous and decoupled baselines, and safer adaptation to out-of-distribution motions.
