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:2607.18365

四足歩行のためのトルク駆動強化学習に向けて

Towards Torque-Driven Reinforcement Learning for Quadruped Locomotion

シェア:XThreadsFacebookLINEはてブBluesky

重い高トルク四足ロボット向けに、速度推定を必要としないトルク制御ベースの強化学習フレームワークを提案し、シミュレーションで階段昇降や高速歩行を実現した。

詳しい要約

1. どんなもの?

本論文は、重量級・高トルクの四足ロボット(Unitree B1)を対象とした、トルク駆動型の強化学習(RL)制御フレームワークを提案している。従来の位置ベース制御とは異なり、トルク指令を直接出力することで、地形への適応性を高め、状態推定(線形速度)を観測空間に必要としない。シミュレーション上で、粗い地形の走行、目標線速度・角速度の追従、階段の昇降を実現している。

2. 先行研究と比べてどこがすごい?

従来のRL locomotionフレームワークは位置ベース制御が主流であり、地形タイプへの適応性が低く、観測空間に線形速度などの状態推定技術を必要とする。また、多くの研究は小型・軽量の四足ロボットに限定され、高負荷タスクには不向きであった。本提案は、重量級・高トルクの四足ロボットに対してトルク駆動RLを適用し、速度センサなしで目標速度追従と階段昇降を達成している点が新しい。

3. 技術・手法の肝は?

手法の肝は、RLエージェントがトルク指令を直接出力する点である。シミュレーション環境にはNvidiaのIsaac SimとIsaac Labを使用し、Unitree B1モデルで学習・評価を行った。観測空間から現在速度を除外することで、状態推定への依存を排除している。報酬設計やネットワーク構造の詳細は要旨からは不明だが、トルク制御による適応性向上と速度センサレス化が中心的な技術要素である。

4. どうやって有効だと検証した?

シミュレーション結果を用いて有効性を検証している。具体的には、Unitree B1が3.5 m/sの線速度と1.5 rad/sの角速度を達成し、粗い地形を走行できることを示した。さらに、外受容センサ(exteroceptive sensor)を使用せずに階段の昇降が可能であることを実証している。実機での検証は要旨からは不明。

5. 議論はある?

要旨からは、トルク駆動RLの利点として地形適応性と速度センサレス化が挙げられるが、実機展開における課題(シミュレーションと実機のギャップ、トルク制御の安全性など)については言及されていない。また、重量級ロボットでの学習安定性や計算コストに関する議論も要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、同分野の定番として、位置ベースのRL locomotionフレームワーク(例:Rapid Locomotion via Reinforcement Learning)や、四足ロボットの強化学習制御に関する論文(例:Learning Quadrupedal Locomotion over Challenging Terrain)が挙げられる。また、シミュレーション基盤としてIsaac Labの関連論文も有用である。

※ 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: Jordan Dowdy, Jean Chagas Vaz

分類: cs.RO, cs.LG, cs.SY, eess.SY

原文アブストラクト

Reinforcement learning (RL) for legged robots is advancing locomotion, demonstrating its ability to adapt to new and challenging terrain. Traditionally, these RL locomotion frameworks are position-based, making the policy less adaptable to terrain types and requiring state estimation techniques in the observation space, i.e., linear velocity. Moreover, these RL frameworks often use small, lightweight quadrupeds that are limited in their viability for high-complexity tasks due to hardware constraints. This work explores an RL torque control framework for heavyweight high-torque quadrupeds. The RL framework in this paper can traverse rough terrain and effectively track a desired linear velocity without requiring knowledge of the agent's current velocity. Using Nvidia's Isaac Sim and Isaac Lab, simulation results of the RL torque control policy are shown on the Unitree B1 quadruped, achieving speeds of 3.5 m/s and 1.5 rad/s. In addition, the quadruped can walk up and down stairs without the aid of an exteroceptive sensor.

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. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXO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

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI