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:2607.11624

SKooP: 対称コープマン予測による強化学習を用いた脚式ロボットの高速かつ汎用的な歩行

SKooP: Symmetric Koopman Predictions for Faster and More Generalizable Legged Robot Locomotion with Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

強化学習のサンプル効率を改善するため、形態対称性とコープマンモデルを組み合わせたSKooPを提案し、四足ロボットの二足歩行タスクで収束時間の短縮と報酬の向上を実証した。

詳しい要約

1. どんなもの?

SKooP (Symmetric Koopman Predictions) は、強化学習(RL)による脚式ロボットの移動制御を高速化・一般化する手法。システムダイナミクスをKoopmanオペレータで線形近似し、その予測をCriticの特権的観測として利用する。さらに、ロボットの形態的対称性をActor・Critic・Encoder・Decoderネットワークに組み込み、等変性(equivariant)なポリシーを学習する。

2. 先行研究と比べてどこがすごい?

既存の物理事前知識をRLに組み込む研究は、低次元のベンチマークシステムで検証されることが多く、高次元で複雑な非線形ダイナミクスを持つロボットには適用が難しい。SKooPは、Koopmanモデルと対称性を組み合わせることで、高次元の四足ロボットの二足歩行タスクにおいて、収束時間の短縮と報酬の向上を実現している点が新しい。

3. 技術・手法の肝は?

手法の核は、オートエンコーダで学習されたKoopmanモデルをポリシーと同時に学習し、その予測をCriticの特権的観測として用いる点。また、群対称性をActor・Critic・Encoder・Decoderに組み込むことで、高度に等変なポリシーを生成する。これにより、より滑らかで情報量の多い特徴量に基づいてエージェントが学習できる。

4. どうやって有効だと検証した?

学習されたKoopmanモデルと対称ポリシーの詳細な分析を通じて、それぞれがエージェントの性能に与える影響を検証。さらに、学習されたポリシーが異なるシミュレーション環境に転移可能であることを示した。四足ロボットの複数の挑戦的な二足歩行タスクにおいて、SKooPが収束時間を一貫して短縮し、学習報酬を増加させることを実証した。

5. 議論はある?

要旨からは、Koopmanモデルの線形近似の精度や、対称性の仮定が常に成り立つかどうか、実機での検証などについての議論は不明。また、提案手法が他のロボット形態やタスクにどの程度一般化するかについても、要旨からは明らかでない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、物理事前知識をRLに組み込む研究(例:Physics-informed RL)や、Koopmanオペレータを用いたダイナミクスモデル学習、対称性を利用したRL(例:Equivariant RL)などが挙げられる。具体的な論文名は要旨にないため、これらの一般名で示す。

※ 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: Evelyn D'Elia, Weishu Zhan, Giulio Turrisi, Giulio Romualdi, Giuseppe L'Erario, Raffaello Camoriano, Wei Pan, Daniele Pucci

分類: cs.RO, cs.LG

原文アブストラクト

Reinforcement learning (RL) algorithms classically suffer from poor sample efficiency. In robotics, a recent line of work has emerged addressing this problem by encoding physics priors in the learning process. However, most of these approaches are validated on well-defined, low-dimensional benchmark systems rather than high-dimensional robots with complex nonlinear dynamics. In this paper, we introduce \textit{SKooP (Symmetric Koopman Predictions)}, an approach combining the advantages of morphological symmetries with those of a Koopman model learned via autoencoder to enhance policy learning. SKooP learns a Koopman model of the system dynamics alongside the policy. The resulting Koopman predictions are used as privileged observations for the critic, allowing the agent to learn based on smoother, more informative features. We also incorporate group symmetries into the actor, critic, encoder and decoder networks to produce a highly equivariant policy. The SKooP approach is validated via in-depth analysis of the learned Koopman models and symmetric policies to showcase how each of these influences the agent's performance. We also show that the learned policies are transferable to different simulation environments. Our results show that SKooP consistently reduces convergence time and increases the learned reward for multiple challenging bipedal locomotion tasks on a quadruped robot. Project page: https://evelyd.github.io/SymmetricKoopmanPredictions

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