ヒューマノイドバドミントン：限られた人間動作データからの動的ラケットスキル学習

本論文は、ヒューマノイドロボットによるバドミントンの動的ラケットスキルを、限られた人間のモーションデータから学習する手法を提案する。高速ラケットスポーツは、時間的制約下の意思決定、精密な打撃、全身の動的協調を要求する難題である。バドミントンではシャトルの軌道が急変するため接触判断が時間的に厳しく、返球には短い接触窓内での正確なラケット姿勢と速度、広い3次元打撃作業空間が必要となる。人間のモーションデータは有用な事前情報だが、利用可能なバドミントン参照データは限られ不完全である。直接トラッキングでは多様なシャトル条件に対する実行可能なバリエーションが不足し、純粋なタスク駆動最適化では不自然な動きになりうる。これに対処するため、3段階の階層強化学習フレームワークを提示する。実機ヒューマノイドに展開し、フォアハンド、バックハンド、動的ジャンプ返球を含む多スキルラリーを人間と持続的に実現した。世界初の実世界ヒューマノイドラケットスポーツシステムで、動的ジャンプ返球を含む多スキル人間-ロボットラリーを実証した。

従来の直接トラッキングは多様なシャトル条件に対する実行可能なバリエーションが不十分であり、純粋なタスク駆動最適化は不自然な動きを生成しうる。本手法は、限られた不完全な人間モーションデータを活用しつつ、タスクランダム化モーション拡張で疎な注釈付きヒッティングイベントを実行可能なターゲット条件付きストローク変種に拡張し、連続潜在スキル空間を形成する。さらに高レベルプランナがオンラインで連続潜在スキルコードを出力し、観測されたシャトル状態に応じてスキルを構成する。文脈条件付き敵対的正則化により、返球性能を保ちつつプランナレベルのスキル使用をより自然にする。これにより、実機でフォアハンド、バックハンド、動的ジャンプ返球を含む多スキルラリーを人間と持続的に実現した点が先行研究と比べて優れている。

技術の肝は3段階の階層強化学習フレームワークである。第1段階では、タスクランダム化モーション拡張により、疎な注釈付きヒッティングイベントを実行可能なターゲット条件付きストローク変種へと拡張し、連続潜在スキル空間を形成する。第2段階では、高レベルプランナが観測されたシャトル状態に応じて連続潜在スキルコードをオンラインで出力し、これらのスキルを構成する。第3段階では、文脈条件付き敵対的正則化により、返球性能を維持しながらプランナレベルのスキル使用をより自然にする。これらにより、限られた人間モーションデータから動的ラケットスキルを学習する。

実機のヒューマノイドロボットに展開し、人間プレイヤーとの持続的な多スキルラリーを達成した。具体的には、フォアハンド、バックハンド、および非常に動的なジャンプ返球を含むラリーを実現した。これにより、実世界のヒューマノイドラケットスポーツシステムとして、動的ジャンプ返球を含む多スキル人間-ロボットラリーを初めて実証した。

要旨からは不明。

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、人間モーションデータからの強化学習、階層強化学習、敵対的正則化、タスクランダム化、ヒューマノイドロボットのラケットスポーツが挙げられる。同分野の定番として、DeepMimic、AMP (Adversarial Motion Priors)、階層強化学習によるロコマニピュレーション、ヒューマノイドの卓球やテニスに関する研究が次に読むべき論文として考えられる。