二足車輪型ロボットの制御技術は近年著しい進歩を遂げ、斜面や単段の障害物を通過できるようになった。しかし、長い連続階段の踏破は依然として困難であり、現在の教師-生徒フレームワークでは動力学認識表現の弱体化と地形幾何学エンコーディングの不完全性という問題が生じている。この課題を解決するため、研究チームはDynaWMという動力学認識表現学習フレームワークを提案した。本論文はIEEE/RSJ International Conference on Intelligent Robots and Systems（IROS 2026）に採択されており、arXiv:2606.24089として公開されている（8ページ、7図）。
DynaWMの主要な革新は二点ある。第一に、世界モデルを正則化器として導入し、エンコーダに順動力学認識を強制することで、包括的な地形幾何学情報を保持する。これにより地形エンコーディング能力が向上するだけでなく、階層的エンコーディングの可視化による透明な評価が可能となる。第二に、知識転移を安定化させるため、モメンタムターゲットエンコーダを採用し、蒸留プロセスに一貫したターゲットを提供する。これにより、教師モデルの非定常な更新に起因する次元崩壊を防ぐ。
学習された表現の品質を検証するため、研究チームは主成分分析（PCA）可視化と定量的指標による評価を実施した。その結果、DynaWMのエンコーダは地形幾何学を階層的に捉え、高い地形エンコーディング能力を有することが明らかになった。これにより地形適応性と運動の滑らかさが向上する。シミュレーションおよび実機実験の両方で、本手法が二足車輪型ロボットに多様な連続階段の克服を可能にし、優れた地形適応性と運動の滑らかさを実現することが実証された。
本研究は、ロボットの連続階段移動という難題に対する新たなアプローチを提供するものであり、動力学認識蒸留と世界モデル正則化の組み合わせは、より複雑な地形におけるロボットの自律移動の発展に寄与する可能性がある。