新しいフレームワークにより、四足ロボットで動物のような機敏な動きが可能に

四足動物は、生来、機敏で順応性のある動きが可能で、さまざまな地形を移動することができます。過去数十年にわたり、世界中のロボット工学者は、四足（つまり、4 本足）ロボットでこれらの動きを効果的に再現しようとしてきました。

強化学習によってトレーニングされた計算モデルは、四足ロボットの機敏な移動を可能にするために特に有望な結果を達成することがわかっています。ただし、これらのモデルは通常、シミュレーション環境でトレーニングされており、現実世界の環境にある実際のロボットに適用すると、パフォーマンスが低下することがあります。

機敏な四足歩行を実現するための代替アプローチは、 モーションセンサー また、デモンストレーション用のカメラも用意し、コントローラー（ロボットの動作を実行するアルゴリズム）のトレーニングに使用しました。「模倣学習」と呼ばれるこのアプローチにより、一部の四足歩行ロボットで動物のような動作を再現できることが分かりました。

中国のテンセント・ロボティクスXの研究者らは最近、新しい階層型ロボットを導入した。 フレームワーク 四足ロボットで動物のような機敏な動きの実行を容易にするフレームワーク。論文で紹介されたこのフレームワークは、 出版された で ネイチャーマシンインテリジェンスは、最初にMAXと呼ばれる四足歩行ロボットに適用され、非常に有望な結果が得られました。

「古典的なコントローラや強化学習アプローチを通じて、四足ロボットの機敏な移動を実現するための多くの取り組みがなされてきました」と、レイ・ハン、チンシュー・チュー、および彼らの同僚は論文に記しています。「これらの方法は通常、動物のように一般化された理解ではなく、特定のシステムを正確に記述するために物理モデルや手作りの報酬に依存しています。私たちは、脚付きロボット向けに事前トレーニング可能で、再利用および強化可能な、基本レベル、環境レベル、および戦略レベルの知識を構築するための階層的フレームワークを提案します。」

研究者らが提案した新しい枠組みは、 強化学習それぞれが、移動タスクとロボットの知覚の異なるレベルでの知識の抽出に焦点を当てています。チームの コントローラ これらの各学習段階における制御は、それぞれ原始的運動制御器 (PMC)、環境原始的運動制御器 (EPMC)、戦略的環境原始的運動制御器 (SEPMC) と呼ばれます。

「プリミティブ モジュールは動物の動作データから得た知識をまとめたものです。言語と画像理解の大規模な事前トレーニング済みモデルにヒントを得て、ディープ ジェネレーティブ モデルを導入し、脚付きロボットが本物の動物のように動作するように刺激するモーター制御信号を生成します」と研究者らは記しています。「次に、プリミティブ モジュールを再利用して、環境に合わせてさまざまな移動機能をより高いレベルで形成します。最後に、以前のレベルの知識を再利用して複雑な下流タスクに焦点を当てた戦略モジュールをトレーニングします。」

研究者らは一連の実験で提案したフレームワークを評価し、それを MAX と呼ばれる四足歩行ロボットに適用しました。具体的には、2 台の MAX ロボットが鬼ごっこのようなゲームで競争するように作られ、フレームワークを使用してロボットの動きを制御しました。

「私たちは、自社開発の四足ロボットであるMAXロボットに、訓練された階層型コントローラを適用し、動物を模倣し、複雑な障害物を横断し、設計された挑戦的なマルチエージェント追跡鬼ごっこゲームでプレイします。このゲームでは、ロボットに本物のような敏捷性と戦略性が生まれます」と研究チームは書いている。

研究者らは、最初のテストで、彼らのモデルがMAX ロボット 動物に似た機敏な動きをしながら、さまざまな環境をうまく移動することができます。将来的には、このモデルを他の四足ロボットに適応・適用し、現実世界の環境での展開を容易にする可能性があります。

© 2024 サイエンスXネットワーク
お問い合わせ・広告・著作権・不具合に関するご連絡は [email protected] までメールでお願いします。