脚式ロボットのオドメトリ推定は、スタンス相の間、足先の世界に対する速度がゼロであるという仮定に依存している。機体速度のフィードバックは足の運動学的な直列リンクから導かれるため、脚の位相を正確に検出することが重要な副問題となる。従来の多くの研究では、足先に搭載した床反力センサを用いて接地を分類してきたが、こうしたセンサはすべての脚式ロボットに搭載されているとは限らない。さらに、足が接地したまま滑るといった想定外の外乱に対して反応しないことも多い。
これに対し、Emre Girgin らによる論文（arXiv:2606.05501、2026年6月3日投稿、ロボティクス cs.RO、全17ページ）は、力センサの追加に頼らず、関節エンコーダという標準的なセンサ構成のみを利用する自己教師あり表現学習フレームワークを提案している。
手法としては、自己教師ありの形で接地に関連する表現を学習し、その表現を用いてスタンス相とスイング相を確率的にモデル化する。単純なしきい値判定ではなく確率的なモデリングを行うことで、位相判定に伴う不確実性を表現でき、境界付近の状況でも頑健になると考えられる。学習には接地状態の人手ラベルを必要とせず、教師あり学習で問題となるアノテーションのコストを回避できる点も特徴である。
実験結果は、提案する自己教師あり接触検出器の有効性を示している。著者によれば、本フレームワークは、センサ構成の拡張と人手ラベリングを必要とする教師あり手法、および既存の確率的ベースライン手法の双方を上回る性能を示した。ハードウェアとラベリングのコストを抑えつつ、より高品質な検出を実現している。また、コードも公開されており、再現や今後の研究に利用できる。
広い観点では、本研究はアルゴリズムによってハードウェアの差異を補い、足裏の力センサを持たない脚式ロボットでも信頼できる脚位相情報を得られるようにする試みである。これはオドメトリや状態推定の基盤となり、滑りやすい実環境での脚式ロボットの運用に資する可能性がある。自己教師あり表現学習をロボットの固有感覚に応用した具体的な事例としても位置づけられる。