足式ロボットのオドメトリのための接触表現学習
本研究は、関節エンコーダのみを用いて足式ロボットの接触検出を行う自己教師あり表現学習フレームワークを提案する。力センサを必要とせず、従来の教師あり手法や確率ベースライン法より優れた性能を示し、コードを公開している。
足式ロボットのオドメトリ推定は、立脚相中に足先の対地速度がゼロであるという仮定に依存しており、正確な脚位相検出が重要なサブ問題となっている。従来の多くの研究では、足先に取り付けた床反力センサを用いて接触状態を分類しているが、これらのセンサはすべてのロボットに搭載されているわけではなく、滑りなどの外乱に対して応答しない場合がある。arXivに最近発表された論文では、関節エンコーダのみの標準センサセットを利用し、力センサを必要としない自己教師あり表現学習フレームワークを提案している。
本フレームワークは、関節角度や速度データから接触表現を自己教師あり学習し、立脚相と遊脚相を確率的にモデル化する。これにより、不確実性下でもロバストな位相推定が可能となる。実験は四足歩行や二足歩行など複数の足式ロボットプラットフォームで実施され、提案手法は接触分類精度とオドメトリ推定精度の両方で、センサ増強やラベリングを必要とする教師あり手法や従来の確率ベースライン法を上回る性能を示した。特に、滑りが発生する状況では、力センサの応答遅延により従来法が失敗する一方、本手法は関節エンコーダの情報から正確に接触を検出できた。
研究チームはコードを公開しており、再現性と応用の拡大を促進している。本手法の実用的意義は、専用力センサへの依存を低減し、低コストなロボットでも信頼性の高いオドメトリを実現できる点にある。関節エンコーダはほとんどの足式ロボットに標準搭載されているため、幅広い既存プラットフォームに適用可能である。今後、視覚情報との統合により、テクスチャのない地面でのロバスト性をさらに向上させ、足式ロボットの捜索救助や探査などへの応用が期待される。