HeteroMorpheus: Universal Control Based on Morphological Heterogeneity Modeling

要約

ロボット制御の分野では、ロボットごとに個別のコントローラを設計することは高い計算コストにつながる。多様なロボット形態に適用可能な普遍的な制御方針は、この課題を軽減することが期待される。主に、グラフニューラルネットワーク（GNN）やトランスフォーマーに基づくモデルが採用されており、これはロボットの四肢にまたがる関係ダイナミクスを捉えるのに有効であるためである。しかし、これらのモデルは一般的に均質なグラフ構造を採用しており、異なる手足の機能的多様性を見落としている。このギャップを埋めるために、我々は異種グラフTransformerに基づいた新しい手法であるHeteroMorpheusを紹介する。この手法は手足の異種性にユニークに対応し、様々な形態のロボットダイナミクスをより良く表現することを促進する。広範な実験を通して、我々は、ゼロショット汎化やサンプル効率の良い不慣れなロボット形態への移行を含む、ポリシーの汎化能力において、最先端の手法に対するHeteroMorpheusの優位性を実証する。

要約(オリジナル)

In the field of robotic control, designing individual controllers for each robot leads to high computational costs. Universal control policies, applicable across diverse robot morphologies, promise to mitigate this challenge. Predominantly, models based on Graph Neural Networks (GNN) and Transformers are employed, owing to their effectiveness in capturing relational dynamics across a robot’s limbs. However, these models typically employ homogeneous graph structures that overlook the functional diversity of different limbs. To bridge this gap, we introduce HeteroMorpheus, a novel method based on heterogeneous graph Transformer. This method uniquely addresses limb heterogeneity, fostering better representation of robot dynamics of various morphologies. Through extensive experiments we demonstrate the superiority of HeteroMorpheus against state-of-the-art methods in the capability of policy generalization, including zero-shot generalization and sample-efficient transfer to unfamiliar robot morphologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL