上半身と下半身を分離したヒューマノイドの移動操作フレームワークDUET

- 人形ロボットの loco-manipulation を対象に、下半身（locomotion）と上半身（manipulation）の制御を分離して同時実行する枠組み DUET を提案する研究。 - 23-DoF の Unitree G1 上で、12 脚関節＋waist yaw 関節を強化学習 locomotion policy が制御し、10 腕関節は action space から除外して観測のみ与える。 - 互換性のある manipulation policy が腕関節目標を出せば、共有学習や直接調整なしに上半身を操作でき、下半身の安定は locomotion policy が担う。

- 従来の一体型 loco-manipulation 学習では manipulation policy の変更に伴いバランス制御側の再学習が必要になり得るが、DUET は両者を robot interface でのみ結合する。 - 同一 locomotion checkpoint を保持したまま、異なる vision-language-action model（GR00T N1.7 と pi0.5）を組み合わせて hardware 実証した点が特徴。 - 要旨からは不明だが、共有 training や直接 coordination を不要にした点を先行研究との差分として主張している。

- locomotion policy は強化学習で学習し、planar velocity・turning rate・pelvis height（deep crouching から upright standing まで）を追従する。 - 腕関節は action space から除外し、位置・速度を observation としてのみ入力することで、任意の compatible manipulation policy を受け入れる構成。 - 両者の command は robot interface でのみ合成し、upper-body pose curriculum が学習の主要素として寄与する。

- simulation 評価で転倒なしに下半身を安定維持し、planar velocity 0.186 m/s、yaw rate 0.142 rad/s、pelvis height 0.016 m の追従誤差を報告。 - ablation で upper-body pose curriculum が支配的要素であり、除去すると episode survival が 20.0 秒から 7.4 秒へ低下し、fall rate が 6.06 per environment minute に増加。 - robustness test では trained payload range 内で最大 1.0 m/s の push に転倒なし、payload limit の 2 倍でも 0.7 m/s 未満の push では転倒なし。 - hardware では同一 locomotion checkpoint を GR00T N1.7 と pi0.5 の 2 つの vision-language-action model と組み合わせて実証。

- manipulation policy を再学習・再起動・バランス層に触れることなく交換できることを示唆するが、要旨からは不明な限界や失敗事例の詳細は述べられていない。 - upper-body pose curriculum への強い依存が示され、これがなければ survival 低下と fall rate 増加が生じる点は設計上の議論対象。 - payload と push の robustness は範囲依存であり、範囲外の挙動や実機での一般化については要旨からは不明。

- 要旨で比較・参照されている GR00T N1.7 と pi0.5（vision-language-action model）。 - 基盤となる強化学習 locomotion policy および Unitree G1 を用いた人形ロボット loco-manipulation 研究。 - 関連する一般手法として reinforcement learning、vision-language-action model、sim-to-real transfer の代表的文献。