はしごを登りバランスを取る——一度の学習で完了したヒューマノイドロボット

何が起きたのか

研究チームは、Unitree社の人型ロボット「G1」でこの方法を試しました。まず、手・足・その他の体の部分を地面や物のどこにつけるかを決めます。その後、別の制御部分が関節を動かして、その場所に体を届けます。実際の実験では、はしごや階段を登り、飛び石を渡り、狭い場所を這って進み、障害物を跳び越え、倒れた後に立ち上がることができました。

主な数字

• 体の9か所（両手、両ひじ、両ひざ、両足、腰）の接触を計画します
• ライダー（レーザーで周囲を測るセンサー）が約2万点のデータを集め、約30ミリ秒で処理します
• 周囲のスキャンは1秒に10回（10Hz）更新されます
• 8種類の障害物コースでのシミュレーション実験では、成功率は92.5%でした。比較対象の方法「MGMT」は58.8%でした
• 動作にはNVIDIA Jetson Orin NXというコンピュータを使います

これまでのロボットとの違い

多くのロボットは、決まった動きの台本に従って動きます。今回の方法では、注意を向ける部分を選べるAIのニューラルネットワークを使います。このAIは、地形、関節の位置と速さ、体の向き、利用者が設定したゴールを見ます。試行錯誤で学ぶ強化学習と、お手本の動きをまねる動作模倣も組み合わせています。

なぜ大切なのか

障害物や地形の種類ごとに、別々に学習し直す必要がありません。新しい周囲の環境にも、接触する場所を合わせて変えられます。これは、がれきや段差などで散らかった、でこぼこの場所で働くロボットに役立つかもしれません。ただし、これはシミュレーションの成績です。現実世界で同じ成功率が出たとは、記事ではまだ示されていません。つまり、完成品ではなく初期の一歩です。

今後注目すべき点

• 現実世界の試験でも、シミュレーションと同じ成功率が出るかどうか
• Unitree社のG1以外のロボットでも、うまく動くかどうか
• 小さな搭載コンピュータでも、日常の場面で十分な速さで動けるかどうか