単調最適停止による予測的ロボットゴールキーピング

- 高速な物理的相互作用を行うロボットが、相手の意図が完全に判明する前に行動する必要がある「anticipatory goalkeeping」問題を扱う。 - 固定されたclosed-loop save controllerに対し、いつ動き始めるかを決める問題をpolicy-conditional finite-horizon optimal stoppingとして定式化。 - 提案手法monotone optimal stopping (MOS)は、動的ロボットinterceptionのための構造化されたrelease-timing手法。 - quadruped save policyはreinforcement learningで訓練され、MOSがrobot stateとtarget beliefからpolicyを起動するタイミングを決定する。

- 従来はrelease timeを予測したりconfidenceのみに頼る手法が主流。 - MOSは「今行動するか、もう1回観測するために待つか」のreturn advantageを学習する点が異なる。 - このact-versus-wait marginに対して直接Bellman recursionを導出し、物理的urgencyに関してのみ単調性を課す。 - これにより動的に厳しいsaveでは早期起動を可能にしつつ、後の観測で予測targetが変わった場合のclosed-loop adaptationも保持。 - single-crossing条件下でthreshold release boundaryとbounded approximation errorを許容。

- policy-conditional finite-horizon optimal stopping問題として定式化。 - MOSはrelease-timingを構造化し、return advantage of acting now over waiting for one more observationを学習。 - act-versus-wait marginに対する直接Bellman recursionを導出。 - 単調性は物理的urgencyに関してのみ課し、時間経過によるinterception opportunityの不可逆的損失を反映。 - single-crossing条件下でthreshold release boundaryを持ち、bounded approximation errorを保証。

- 広範なsimulation studiesを実施。 - parameter-matched learned gateと比較し、mean save rateを67.7%から74.4%に改善。 - reversal savesを52.1%から66.5%に増加。 - 実ロボット実験で、人間のshot-direction feints下での迅速なinterceptionとrelease後の方向修正を実証。

- single-crossing条件下でthreshold release boundaryとbounded approximation errorが得られることを示す。 - 物理的urgencyに関する単調性の仮定が鍵。 - 要旨からは、仮定が破れた場合の議論や限界については不明。

- 要旨で参照/比較されている研究はparameter-matched learned gateのみ。 - 関連手法としてreinforcement learning、optimal stopping、closed-loop save controller、quadruped locomotionが挙げられる。 - 同分野の定番としてdynamic robotic interception、anticipatory control、partially observable Markov decision process (POMDP) などが考えられるが、要旨に明示なし。