地形一貫性のある参照誘導強化学習によるヒューマノイドの自律ナビゲーション
本論文では、参照軌道を訓練中に地形形状に合わせて変調する、ヒューマノイドロボットのための参照誘導型知覚強化学習歩行ポリシーの訓練手法を提案する。強化学習訓練ループ内でSE(2)制御可能な参照軌道を合成し、目標歩容を有効な足場に投影し、スイングフットと重心軌道を地形に合わせて調整する。シミュレーションでは、地形条件付き参照が追従性能を大幅に向上。実機では、MPCと制御障壁関数プランナーと統合し、Unitree G1上で70mを超える長距離クローズドループ自律ナビゲーションを、凹凸地形や連続階段を含む屋外環境で実現。すべてのセンシングと計算はオンボードで行われる。
研究者らは、ヒューマノイドロボットのための参照誘導型知覚強化学習歩行ポリシーの新しい訓練手法を提案した。この手法では、強化学習の訓練ループ内で参照軌道を地形の形状に合わせて変調する。具体的には、SE(2)制御可能な参照軌道を合成し、目標とする足の位置を有効な足場に投影し、スイングフットと重心の軌道を地形に適応させる。この結果、得られたポリシーは標準的なナビゲーションプランナに互換性のあるクリーンなSE(2)速度インターフェースを提供する。シミュレーション実験では、環境に依存しない参照と比較して、地形条件付き参照が追従性能を大幅に向上させることが示された。実機実験では、このポリシーをMPC（モデル予測制御）と制御障壁関数（CBF）プランナーと統合し、Unitree G1ヒューマノイドロボットを用いて、凹凸地形や連続階段を含む屋外環境で70m以上の長距離クローズドループ自律ナビゲーションを実証した。すべてのセンシングと計算処理はロボットに搭載されたコンピュータで実行された。本論文は全8ページ、4つの図を含み、Humanoids 2026への投稿を予定している。この研究は、複雑な地形におけるヒューマノイドロボットの自律能力を大幅に向上させるものであり、災害救助や探査などの応用が期待される。また、SE(2)制御可能な参照軌道の合成により、ロボットが地形に応じて足跡と重心をリアルタイムで調整できるため、不整地や階段でのバランス維持が可能となる。MPCと制御障壁関数の組み合わせは、ナビゲーションの安全性とロバスト性をさらに高めている。すべての感知と計算がオンボードで完結するため、実環境への展開が容易である。著者らは関連研究機関に所属し、本論文はHumanoids 2026に投稿済みであり、ヒューマノイドロボットの自律ナビゲーション技術の進展に寄与することが期待される。