ヒューマノイドSRL：協調的な移動操作のための超冗長肢による形態拡張

- ヒューマノイドロボットに supernumerary arm (SRL) を追加し、その形態拡張が可能な行動空間をどう変えるかを調べる研究。 - 追加腕を全身運動・バランスと協調させる制御を開発し、2つの構成で定量分析とハードウェア実験を実施。 - 接触の多い tri-arm loco-manipulation の協調全身スキルを実現し、拡張形態の設計空間としての可能性を示す。

- 従来のヒューマノイドは双腕構成が前提で、両腕が塞がる場合や到達範囲外の接触が必要な場面で loco-manipulation が制約される。 - 先行する SRL 研究はあるが、追加肢を全身運動・バランスと統合する必要がある点が課題。 - 本研究は追加腕をヒューマノイドに統合し、形態拡張が行動空間を広げることを定量分析と実機で示す点が新しい。

- model-based trajectory optimization (TO) で動的に実行可能な軌道を生成し、goal-conditioned reinforcement learning (RL) コントローラの学習に利用。 - RL コントローラは simulation で学習し、hardware へ zero-shot transfer。 - 一部タスクでは hardware demonstrations から学習した diffusion policies による vision-guided autonomous execution を実現。

- 2つの構成における定量分析と hardware experiments を実施。 - 追加肢が manipulation と support を協調させ、native dual-arm 構成の制約を超えて全身相互作用能力を拡張することを示す。 - simulation 学習コントローラの zero-shot hardware transfer と、diffusion policies による自律実行で有効性を検証。

- ヒューマノイド形態は人間類似形に限定されず、ロボット拡張のための extensible design space として再構想できると示唆。 - 追加肢と全身運動・バランスの協調が統合上の重要課題であることを示す。 - 具体的な限界や失敗事例、定量的な性能比較の詳細は要旨からは不明。

- supernumerary robotic limbs (SRLs) に関する先行研究。 - model-based trajectory optimization (TO) と goal-conditioned reinforcement learning (RL) を組み合わせた loco-manipulation 研究。 - diffusion policies を用いた vision-guided manipulation 研究。 - sim-to-real の zero-shot transfer に関する研究。