四足歩行ロボットは複雑な地形での機敏で多様な移動を実現する上で重要な役割を果たします。その効率的かつ安定した動作には、物理的なダイナミクスの理解と推定が不可欠です。本研究では、制御ポリシーが物理ダイナミクスを理解し推論できるようにする新しいトレーニングフレームワークを提案します。シミュレーション環境において、状態からトルクへのダイナミクスを学習する「内在力学（ID）ヘッド」を制御ポリシーと同時に訓練し、IDヘッドによって可能となる動的報酬を定義することで、より予測可能な動的挙動を促進します。また、IDヘッドの訓練係数を制御することで、得られたポリシーの学習されたダイナミクスを調整できるメカニズムも提供します。
シミュレーション実験では、このメカニズムが標準的な四足歩行報酬の広い範囲でより良い最適値への収束を促進し、より効率的で滑らかなポリシーを生成することが示されました。実機実験では、これらの改善がシミュレーションから現実世界へ転送可能であることが実証され、トルク効率16.8%、アクション率18.6%、機械的動力12.8%の顕著な改善を達成し、安全トルク占有率も6.4%向上しました。この研究は、四足歩行ロボットの制御における新しい可能性を切り開き、動的モデリングを必要とする他のロボットタスク（二足歩行やマニピュレーションなど）にも応用が期待されます。論文はarXivにて公開され、著者はAman AroraとNalini Ratha、全8ページ、6つの図を含み、2026年5月2日に投稿されました。訓練係数の調整により、特定のタスクに合わせたダイナミクス特性を獲得できる柔軟性も特徴です。今後、このフレームワークはより動的な環境での応用が期待され、捜索救助や地形探査などの分野で四足ロボットの実用性を高めるでしょう。