CompliantBot: ヒューマノイド制御のためのタスクインターフェース横断的な全身コンプライアンス学習

- Humanoid controller に、外力へ譲りつつ元のタスクへ復帰する能力（whole-body compliance）を与えるための学習フレームワーク CompliantBot を提案する研究。 - 対象タスクインターフェースは motion tracking と velocity-command locomotion の2種類。 - 元のタスク入力は保持し、事前構築した compliant data や target trajectory を必要としない。 - 外力印加中は譲り、除荷後はタスク追従を再開する挙動を学習する。

- 既存手法はタスク固有の interaction command interface や、構築済みの compliant motion data・reference trajectory に依存しがちで、compliance-training の仕組みを異なるタスクインターフェース間で直接再利用しにくい。 - CompliantBot は元のタスク入力を保持し、事前構築データや目標軌道なしで motion tracking と velocity-command locomotion の両方に適用できる点が異なる。 - 外力計測を明示的に使わず、タスク入力と proprioceptive history のみで運用する点も特徴。

- state-dependent interaction force field により、印加荷重をロボットの運動へ結合する。これにより局所的な関節運動と全身移動が経験する力を変化させられる。 - complementary force-magnitude reward でより低い interaction load を促す。 - 荷重中は task reward を downweight し、除荷後に復元することで、yielding と task resumption を調整する。 - 学習方策はタスク入力と proprioceptive history を用い、明示的な external-force measurement を使わない。

- 両タスクインターフェースにおいて、matched baselines と比較。 - 一定の引っ張りに対してより大きく譲り、spring interaction load が低いことを確認。 - 力除去後にタスク追従を再開することを確認。 - より強い引っ張り下で比較手法中最高の task completion を達成。 - power evaluation で比較手法中最低の mean joint mechanical power を示す。 - 実機デモで腕運動・stepping・body reorientation による compliant response を例示。

- 要旨からは不明（具体的な限界や失敗事例、議論の詳細は記述されていない）。 - 示されている範囲では、外力計測なしで両インターフェースに適用でき、task completion と消費電力の面で利点が報告されている。

- 要旨で参照・比較されている具体的な既存研究名は不明。 - 関連手法として、humanoid の motion tracking 制御、velocity-command locomotion、compliant control、interaction command interface を用いる手法、compliant motion data を構築する手法が挙げられる。 - 同分野の定番として、強化学習ベースの humanoid locomotion および motion tracking に関する研究を次に読む候補とする。