Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning

要約

人型ロボットは、人間レベルのさまざまなスキルを実行できる大きな可能性を秘めています。
これらのスキルには、移動、操作、認知能力が含まれます。
機械学習の進歩と既存のモデルベースのアプローチの強みによって、これらの機能は急速に進歩しましたが、多くの場合は個別に進歩しました。
したがって、この急速に進化する分野における現在の進歩と将来の傾向をタイムリーに概観することが不可欠です。
この調査は、過去 30 年間の人型ロボット工学の根幹であったモデルベースの計画と制御を初めて要約します。
次に、運動器操作スキルの汎用性を高める強化学習と模倣学習に焦点を当てて、新たな学習ベースの手法を探索します。
私たちは、基礎モデルと人型の実施形態を統合する可能性を検討し、汎用的な人型エージェントの開発の見通しを評価します。
さらに、この調査では、物理的な相互作用を伴う新しいヒューマノイドのスキルを解き放つ、全身の触覚センシングに関する新しい研究も取り上げています。
この調査は、課題と将来の傾向についての議論で終わります。

要約(オリジナル)

Humanoid robots have great potential to perform various human-level skills. These skills involve locomotion, manipulation, and cognitive capabilities. Driven by advances in machine learning and the strength of existing model-based approaches, these capabilities have progressed rapidly, but often separately. Therefore, a timely overview of current progress and future trends in this fast-evolving field is essential. This survey first summarizes the model-based planning and control that have been the backbone of humanoid robotics for the past three decades. We then explore emerging learning-based methods, with a focus on reinforcement learning and imitation learning that enhance the versatility of loco-manipulation skills. We examine the potential of integrating foundation models with humanoid embodiments, assessing the prospects for developing generalist humanoid agents. In addition, this survey covers emerging research for whole-body tactile sensing that unlocks new humanoid skills that involve physical interactions. The survey concludes with a discussion of the challenges and future trends.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google