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:2610.08812

四足歩行ロボットの都市ナビゲーションのためのエンドツーエンド自動運転ポリシーの調整

Taming an End-to-End Autonomous Driving Policy for Urban Navigation of Quadruped Robots

シェア:XThreadsFacebookLINEはてブBluesky

自動運転の軌道計画フレームワークDrivoRを四足歩行ロボット向けに適応し、目標条件付きの都市ナビゲーションを実現した。シミュレーションで訓練し、実世界の軌道予測にゼロショット転移した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットの都市ナビゲーション向けに、end-to-end自律運転軌道計画フレームワークDrivoRを目標条件付きに適応したGo2-DrivoRを提案。 - 局所座標系のsubgoalをgoal tokenで条件付けし、車両中心のスコアリングを適応。 - コアデコーダを再設計せず、短期目標条件付き局所計画を実現。 - 歩道ナビゲーション向けにdrivable-area complianceを再定義し、ego progress項を目標条件付きに再定式化。 - TartanGroundシミュレーションデータのみで訓練。

2. 先行研究と比べてどこがすごい?

- 先行のDrivoRは車両中心の自律運転向けであり、四足歩行ロボットの都市ナビゲーションには直接適用しにくい。 - 本研究はコアデコーダを再設計せず、目標条件付き適応により短期局所計画を可能にした点が新しい。 - 歩道ナビゲーション向けにdrivable-area complianceを再定義し、ego progressを目標条件付きに再定式化。 - 未見シミュレーション環境でのwaypoint条件付き計画性能を改善し、実世界の開ループ軌道予測にゼロショット転移。

3. 技術・手法の肝は?

- DrivoRを目標条件付きに適応。局所座標系のsubgoalをgoal tokenとして軌道生成を条件付け。 - 車両中心のスコアリング定式化を四足歩行ロボット向けに適応。 - 歩道ナビゲーション向けにdrivable-area complianceを再定義。 - 元のego progress項をgoal-conditioned ego progressに再定式化。 - コアデコーダは再設計せず、TartanGroundシミュレーションデータのみで訓練。

4. どうやって有効だと検証した?

- TartanGroundシミュレーションデータのみで訓練。 - 未見シミュレーション環境でのwaypoint条件付き計画性能を評価し、改善を確認。 - 実世界の開ループ軌道予測にゼロショット転移することを検証。 - 具体的な評価指標やベースラインとの比較数値は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 限界や失敗事例、実世界での閉ループ性能、安全性に関する議論は要旨に記載なし。

6. 次に読むべき論文は?

- DrivoR(元のend-to-end自律運転軌道計画フレームワーク) - TartanGround(訓練に用いたシミュレーションデータセット) - 四足歩行ロボットの都市ナビゲーションに関する関連研究(要旨では具体的な参照論文は不明)

※ 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: Joochan Kim, Chanuk Yang, Tackgeun You, Ziran Wang, Hwasup Lim

分類: cs.RO, cs.AI

原文アブストラクト

We present Go2-DrivoR, a goal-conditioned adaptation of the end-to-end autonomous driving trajectory planning framework DrivoR for urban navigation with quadrupedal robots. By conditioning trajectory generation on a local-frame subgoal through a goal token and adapting the vehicle-centric scoring formulation, the method extends DrivoR to short-horizon goal-conditioned local planning without redesigning its core decoders. Specifically, we redefine drivable-area compliance for sidewalk-oriented navigation and reformulate the original ego progress term as goal-conditioned ego progress. Trained exclusively on TartanGround simulation data, Go2-DrivoR improves waypoint-conditioned planning performance on unseen simulation environments and transfers zero-shot to open-loop real-world trajectory prediction.

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