ContactMimic: 接触制御によるヒューマノイドの物体インタラクション

ContactMimicは、人型ロボットの物体インタラクションタスク（椅子に座る、黒板を拭く、家具を押すなど）を学習するためのフレームワークである。キーポイント追跡だけでは不十分なタスクに対し、キーポイント軌道に加えて、パートレベルの明示的なバイナリ接触コマンドを追跡する。接触追従報酬と軌道拡張スキームを用いて、接触行動とキーポイント幾何学の相関を断ち切り、ポリシーが接触行動をキーポイントから切り離して学習できるようにする。これにより、正確な物理的接触と接触制御可能性（展開時に接触を生成または抑制できる能力）を実現する。

従来のキーポイント追跡ベースの手法は、物体との物理的接触を伴わずに正しい姿勢を取るだけでタスクを完了できない問題があった。ContactMimicは、接触ラベルを明示的に追跡し、接触追従報酬を用いることで、接触を正確に制御できる点が新しい。また、タスク固有の報酬を必要とせずに操作タスクを完了できる接触制御可能性を実証しており、キーポイントのみのトラッカーよりも接触関連タスクで優れている。

手法の肝は、接触追従報酬と軌道拡張スキームの2点である。接触追従報酬は、ロボットが指定された接触コマンドを満たすように学習を導く。軌道拡張スキームは、キーポイント軌道と接触ラベルの間の相関を断ち切るために、軌道を拡張して多様な接触パターンを生成し、ポリシーが接触行動をキーポイント幾何学から独立して学習できるようにする。これにより、接触行動のデカップリングと接触制御可能性が達成される。

シミュレーション実験を10種類の多様な人型物体インタラクションモーションで行い、ContactMimicが接触制御可能性を持ち、タスク固有の報酬なしで操作タスクを完了できることを確認した。また、キーポイントのみのトラッカーと比較して接触関連タスクで優れていることを示した。アブレーション研究により、提案された軌道拡張スキームの必要性を確認した。さらに、sim2real展開を5種類の異なるモーションで行い、実世界での接触制御可能性を検証した。

要旨からは、議論の余地や限界についての詳細は不明である。ただし、接触制御可能性を実現するために軌道拡張スキームが重要であることが示唆されており、このスキームの設計や一般化に関する議論が考えられる。また、シミュレーションと実世界のギャップ（sim2real）に関する課題も議論の対象となり得るが、具体的な内容は要旨からは不明。

要旨で参照されている関連研究は明示されていないが、キーポイント追跡ベースの模倣学習や、接触を考慮したロボット操作の研究が関連する。具体的には、キーポイント追跡を用いた模倣学習の先行研究や、接触制御に関する研究（例：接触力制御、インピーダンス制御）が挙げられる。また、sim2real転移の手法（例：ドメインランダマイゼーション）も関連する。