新的研究引入予測的スタイルマッチングによる自然なヒューマノイドロボット運動

研究者が予測的スタイルマッチング(PSM)に関する論文を発表。これはヒューマノイドロボットの運動の自然さを強化する新しいアプローチ。研究は、流暢で人間らしい動きを達成するための重要な課題に取り組む：スタイルと堅牢性の両方を維持すること。

PSMのコアイノベーションは、ロボットの下半身状態履歴と速度コマンドを上半身関節と歩行目標にマッピングするオフライン予測子。この予測子はトレーニング中にのみ使用され、配備されたコントローラは標準的なタスクRLアプローチと同じ固有受容インターフェースと推論コストを維持。

Unitree G1ヒューマノイドロボットで評価されたPSMは、標準的なアプローチと同等の転倒回復率を維持しながら、上半身スタイルエラーを约1桁削減。対照的に、モーション模倣ベースラインは最低のスタイルエラーを達成するが、転倒回復失敗率が5倍高い。この研究は、堅牢性を犠牲にせずにヒューマノイドロボットをより自然に移動させることを目指す重要な進歩。