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:2607.13579

野生環境における四足ロボットの敏捷な多技能移動

Agile perceptive multi-skill locomotion for quadrupedal robots in the wild

シェア:XThreadsFacebookLINEはてブBluesky

四足ロボットが複雑な地形を高速で移動するための、行動事前学習トランスフォーマーを用いた強化学習フレームワークを提案し、実機で最大6m/sの速度を達成した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットが複雑な地形を高速で移動するための統合フレームワーク「APT-RL」を提案。 - オンボードの知覚と計算のみを用いて、複数の運動スキルを自律的に切り替え、高速移動を実現。 - 屋内外の障害物(階段、ハードル、飛び石、ギャップ、倒木など)を単一のポリシーでロバストに踏破。 - 動的な落下動作では瞬間最高速度6 m/sを達成。

2. 先行研究と比べてどこがすごい?

- 従来の研究では、複数の運動スキルを統合し、ギャップ間のスムーズな遷移と高速知覚移動をオンボードセンサのみで実現することは困難だった。 - 本手法は、大規模な2D動作データセットを活用し、多様で再利用可能なスキルを学習。 - これらのスキルを強力な事前分布として下流タスクの効率的な学習を可能にし、3D環境にも自然に拡張。 - 実世界で高速マルチスキル移動を実現した点が先行研究と比べて優れている。

3. 技術・手法の肝は?

- 簡略化されたダイナミクスを用いた軌道最適化により、大規模で特徴豊富な2D動作データセットを生成。 - このデータセットで多様な運動スキルを訓練し、実機の四足ロボットに転移。 - 得られた高品質スキルを強力な事前分布として、複雑な下流タスクの効率的な学習を実現。 - 3D環境への拡張も自然に行える。 - 単一のオンボードポリシーで多様な障害物を踏破。

4. どうやって有効だと検証した?

- 実世界実験で、屋内の複雑な障害物や屋外の野生環境での機敏な動作を実証。 - 動的な落下動作を含み、瞬間最高速度6 m/sを達成。 - 階段、ハードル、飛び石、ギャップ、倒木などの多様な障害物を単一のポリシーでロバストに踏破できることを確認。 - これにより、アプローチの汎用性と有効性を検証。

5. 議論はある?

- 要旨からは、手法の限界や議論の詳細は不明。 - 実世界での有効性は示されているが、他の地形やタスクへの一般化可能性、計算コスト、学習効率などについての議論は要旨では触れられていない。

6. 次に読むべき論文は?

- 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、強化学習(RL)、Transformer、軌道最適化、事前分布学習などが挙げられる。 - 同分野の定番として、四足歩行ロボットの運動制御に関する研究(例:ANYmal、MIT Cheetahなど)や、RLを用いたロコモーション(例:RMA、DreamWaQなど)が次に読むべき論文として考えられる。

※ 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: Jun-Gill Kang, Jaehyun Park, Tae-Gyu Song, Joon-Ha Kim, Seungwoo Hong, Hae-Won Park

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Enabling quadrupedal robots to traverse complex terrains-from rugged outdoor environments to urban landscapes-requires seamless integration of multiple motor skills, smooth transitions between gaits, and high-speed perceptive locomotion using only onboard sensors. We present APT-RL (Action Pretrained Transformer-based Reinforcement Learning), a unified framework that enables multi-skill locomotion to achieve high-speed traversal in complex environments through autonomous skill transitions utilizing only onboard perception and computation. Our approach generates large-scale, feature-rich 2D motion datasets through trajectory optimization with simplified dynamics. These datasets enable training of diverse, reusable locomotion skills that transfer effectively to a real quadruped robot operating on complex uneven terrains. The resulting high-quality skills serve as strong priors for efficient learning of complex downstream tasks and extend naturally to 3D environments, enabling smooth, high-speed multi-skill locomotion in deployed policy. Real-world experiments demonstrate the framework's capabilities: the robot performs agile maneuvers through complex indoor obstacles and outdoor wild environments, including dynamic drop-down maneuvers that reach instantaneous peak speeds of up to 6 meters per second. A single onboard policy enables robust traversal of diverse obstacles, including stairs, hurdles, stepping stones, gaps, and fallen branches, demonstrating the versatility and effectiveness of our approach.

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. 2newmo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
  3. 3GXO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
  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