Whole-body Humanoid Robot Locomotion with Human Reference

要約

近年、強化学習(RL)の導入により、ヒューマノイドロボットの難易度の高いタスクをこなす能力が大きく向上していますが、複雑な報酬関数の設計や高度なシステム全体のトレーニングの難しさなど、ヒューマノイドロボット特有の複雑さが依然として顕著な課題となっています。このような課題を克服するため、私たちは何度も繰り返し、綿密な調査を行った結果、革新的な構造設計により模倣学習プロセスの効率と効果を大幅に向上させた実物大ヒューマノイドロボット「アダム」を丹念に開発しました。さらに、アダムだけでなく、一般的なヒューマノイドロボットにも適用可能な、敵対的動作事前評価に基づく新しい模倣学習フレームワークを開発しました。このフレームワークを用いることで、アダムはロコモーション課題において、これまでにない人間のような特性を示すことができる。実験結果は、提案したフレームワークにより、アダムが複雑な運動タスクにおいて人間と同等のパフォーマンスを達成できることを実証しており、人間の運動データをフルサイズのヒューマノイドロボットの模倣学習に用いた初めての例となる。

要約(オリジナル)

Recently, humanoid robots have made significant advances in their ability to perform challenging tasks due to the deployment of Reinforcement Learning (RL), however, the inherent complexity of humanoid robots, including the difficulty of designing complicated reward functions and training entire sophisticated systems, still poses a notable challenge. To conquer these challenges, after many iterations and in-depth investigations, we have meticulously developed a full-size humanoid robot, ‘Adam’, whose innovative structural design greatly improves the efficiency and effectiveness of the imitation learning process. In addition, we have developed a novel imitation learning framework based on an adversarial motion prior, which applies not only to Adam but also to humanoid robots in general. Using the framework, Adam can exhibit unprecedented human-like characteristics in locomotion tasks. Our experimental results demonstrate that the proposed framework enables Adam to achieve human-comparable performance in complex locomotion tasks, marking the first time that human locomotion data has been used for imitation learning in a full-size humanoid robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL