CWI: 複合ヒューマノイド全身模倣システムによる移動操作

近年、ヒューマノイドロボットの研究では、日常的なタスクを実現するために、安定した移動と多用途な操作の調整が重要視されています。しかし、既存の全身コントローラは大きな課題に直面しています。コマンドサンプリングのみに依存する手法はモーションキャプチャデータを欠き、報酬が希薄で収束が難しい一方、全身MoCapを模倣する手法はデータセットの不均衡に悩まされ、大規模なフィルタリングと拡張が必要です。これらの問題を解決するため、研究者らは複合全身模倣（CWI）フレームワークを提案しました。これは上半身と下半身のMoCapデータの利用を分離することで、それぞれの利点を最大限に活用します。

CWIフレームワークの核心は戦略的なデータ分離にあります。上半身操作は多様な操作参照を含む豊富なMoCapデータセットを活用し、下半身運動は敵対的運動事前分布（AMP）を用いて訓練された二重識別器により、専門家レベルの歩行やしゃがみのクリップから安定したコマンド条件付き運動を学習します。この設計により、上半身と下半身が互いに干渉する従来の問題を回避できます。さらに、マルチクリティックアーキテクチャにより、移動、操作、運動スタイルの目標間の競合を低減し、教師-学生蒸留段階で、両手の手の姿勢と速度/高さコマンドのみに条件付けられた全身ポリシーを生成します。

研究チームはシミュレーション実験と実世界でのLimX Oliフルサイズヒューマノイドへの展開によりCWIを評価しました。結果は、移動操作性能と全身協調性において競争力のある性能を示し、全身モーションキャプチャ装置なしで実用的な遠隔操作を実現しました。この成果は、複雑な環境での日常タスク遂行に向けたヒューマノイドロボットの新たな可能性を開くものです。プロジェクトページと追加資料はhttps://cwi-ral.github.io/CWI-RAL-Webpageで入手できます。