インラインスケート型ヒューマノイドロボットの強化学習に基づく制御

- 人間型ロボットの足を passive inline skates に置き換え、強化学習で制御方針を学習・実機展開する研究。 - 6-DoF でスケートを精密制御し、edge-driven propulsion を実現。 - 報酬構造のみから skating 戦略が創発。 - 歩行と比べ Cost of Transport (CoT) を最大50%削減。 - Booster T1 実機へ zero-shot 転移し、動的バランスや外乱棄却、高速旋回を実証。

- 従来は quadrupedal robots や actively driven wheels に限定。 - 本研究は humanoid に passive inline skates を装着し、6-DoF 制御を実現。 - 人間の運動データ、imitation learning、kinematic priors に依存せず、報酬のみで戦略を獲得。 - passive wheels の不安定性と simulation contact artifacts を克服。

- 訓練と検証で異なる幾何学的車輪モデル（spherical と ellipsoidal）を使用。 - 成功ベースの command curriculum をカスタム設計。 - 専用の rolling reward を導入。 - これらにより passive wheels の不安定性と接触アーティファクトに対処。

- 訓練した方針を Booster T1 実機へ zero-shot 転移。 - 実世界で動的バランス、能動的な物理外乱への棄却、高速旋回を含む敏捷な移動戦略を実証。 - 歩行 gait と比較して CoT を最大50%削減。 - 結果の動画を公開（https://www.youtube.com/watch?v=-_APcOS7uFo）。

- 要旨からは不明。 - ただし passive wheels の不安定性や simulation contact artifacts への対処が課題として言及。 - 報酬設計のみで戦略が創発した点、実機転移成功が強調。

- 要旨で参照/比較されている研究：quadrupedal robots や actively driven wheels を用いた先行研究。 - 関連手法：imitation learning、kinematic priors、human motion data を用いたアプローチ。 - 同分野の定番：強化学習による locomotion 制御、sim-to-real 転移、passive dynamics を扱う研究。