カメラ、レーダー、地図は不要、二足歩行ロボットは「自分の感覚」で歩く

二足歩行ロボットは高価で複雑、そして壊れやすい。バランスという観点で言えば、二足歩行は四足歩行よりはるかに難しい。しかし、二足歩行ロボットはより人間に近いため、現在でも二足歩行ロボットの開発に取り組んでいる研究者は多い。

階段を登ることは、ロボット（二足歩行ロボット、四足歩行ロボット、無限軌道ロボットなど）にとって常に大きな課題でした。二足歩行ロボットは階段を上り下りする際に多くの知覚と計算を必要とし、実験段階にあるため非常に脆弱です。壊れたり、故障したりする可能性もあります。

二足歩行ロボットの階段歩行問題を解決するための 1 つのアプローチでは、階段をシミュレートして歩行経路を計画するために、より優れた知覚とより多くの計算が必要になります。最近、オレゴン州立大学とアジリティ・ロボティクスの研究者らは、二足歩行ロボット「キャシー」を屋外の階段にランダムに投げるだけで、何の知覚もなく階段を上るというタスクを完了するという方法を提案し、その効果は驚くべきものだった。この論文は7月にRSS (Robotics Science and Systems) 2021に掲載される予定です。

論文アドレス: https://arxiv.org/pdf/2105.08328.pdf

二足歩行ロボット Cassie が階段を上り下りしたときの効果は次のようになります。研究者は Cassie に安全ロープを装備しましたが、ロボットが「大惨事」で落下するのを防ぐためにロープは緩んだままでした。

キャシーは道路でも走れます:

複雑な環境でも歩くことはできますが、それでもつまずいてしまいます。

しかし、キャシーも転倒した。

二足歩行ロボット キャシー

キャシーには知覚がないので、階段を上っているのか下っているのかに関する情報がないことに留意することが重要です。しかし、ロボットは独自のフィードバックを提供できるため、手足が階段にどのように接触しているかを把握できる。さらに、安全ロープは緩んだままで、ロボットが壊滅的な落下を起こさないようにするためだけに存在していたため、キャシーは追加の援助を受けることができませんでした。

実験中、キャシーは多くの浮き沈みを経験しました。手すりにぶつかったり、つま先を骨折したり、階段を滑り落ちたり、完全に段を踏み外したり、時には後ろに倒れたりしました。しかし驚いたことに、キャシーは目的地にたどり着くことができました。

キャシーは階段を踏み外したが、立ち上がると作業を続けた。

だからこそ、この研究は非常に興味深いものなのです。高品質の知覚と大量の計算に頼る完璧な階段システムを開発するのではなく、現実世界の制約を取り入れながらこの目標を達成できるシステムを開発できるのです。これは最もエレガントではありませんが、現実世界では堅牢です。

研究者たちは強化学習法を用いて、シミュレーションのキャシーが一般的な都市建築基準に従って最大 8 段の階段を上れるように訓練しました。学習した階段登り戦略をシミュレーションから現実世界に効果的に転送するために、本研究では、正確にシミュレーションすることが難しいさまざまな現実世界の物事を表現するために使用されるさまざまな干渉をシミュレーションに設定しました。

たとえば、Cassie は転倒の混乱をシミュレートし、歩行速度を調整し、地面の摩擦によって生じる揺れをシミュレートします。したがって、シミュレーションでは現実世界の環境を完全にシミュレートすることはできませんが、ランダム混合シミュレーションにより、ロボットのコントローラーがさまざまな状況で堅牢であることを保証できます。

強化学習を使用してロボットをトレーニングする際の特殊性の 1 つは、方法が非常に効果的であることが判明した場合でも、それがなぜ効果的であるかが正確には明らかでない場合があることです。

論文の筆頭著者であるジョナ・シークマン氏は、キャシーが階段を上るスピードが速いほど、歩き方が上手になることが観察されたと述べた。これはロボットにとっては少し直感に反します:

キャシーは視覚がないので、どこに着地するかを決めるのが苦手です。階段の角に足を乗せて、その足に体重をかけようとすると、階段から落ちてしまいます。歩行速度では、これは大きな問題ではありません。キャシーの推進システムにより、後方への短い移動を克服できるからです（つまり、ある程度は転倒を回避できます）。低速では、パワートレインだけでは足場の悪さを克服できず、階段にぶつかり続けて転倒してしまいます。高速になると、ロボットはステップをスキップする傾向があり、その結果、Cassie は限界に近づいたり、限界を超えたりすることがあります。

シークマン氏は、立地条件の悪さがキャシーの「危険な行動」につながったと述べた。 「特に驚いたのは、キャシーが下りる途中で 1 ～ 3 歩飛ばして、その後通常の下りを再開したことです」と彼は言いました。「キャシーはまた、上がる途中でつまずいてから立ち上がることもしました。物理的には複雑なので、学習したコントローラーに組み込まれた正確な応答は非常に興味深いものです。このような堅牢性はこれまで見たことがありません。」

キャシーが目隠しをした人よりも階段の上り下りが上手いかどうかを比較するとなると、研究者たちはそれを判断するのは難しいと言う。 「私たちは、キャシーが階段を上ることに関しては超人的だとよく冗談を言っていました。なぜなら、これらのビデオの撮影中、私たちはキャシーを撮影することに集中しすぎて（部分的には階段を見ずに）、階段を上っているときに何度かつまずいたからです」とジークマンは語った。

動的なタスクを人間よりも上手にこなすロボットというのは、明らかに非常に高いハードルだが、おそらくほとんどの人は、階段の盲人歩行に対して、階段で訓練された Cassie ほど準備ができていないだろう。Cassie は、階段が完全に均一にならないように訓練中に少量の「ノイズ」を追加し、固有受容覚と完全に均一な階段への過剰適合によって階段の正確な寸法を推測するのを防いだ。

実際、人間が目を閉じて階段を登ろうとするとき、階段が完全に均一であるという仮定に頼っています。人間は、そのような仮定に頼ることができなくなると、困った状況に陥ります。

ほとんどのロボットと同様に、キャシーにもいくつかの制約があります。このロボットが他のロボットよりも興味深いように見えるのは、階段や階段のようなシナリオ向けに設計された特別な階段コントローラーを使用しているためです。

「ニューラル ネットワークをコントローラーとして動作するようにトレーニングすると、学習アルゴリズムは時間の経過とともにネットワークを改良し、特定の環境における報酬を最大化します」と研究チームのメンバーであるグリーン氏は説明する。「つまり、階段でトレーニングすると、平地でトレーニングする場合とはまったく異なるコントローラーが得られるということです」。階段コントローラーは平地でも問題なく動作するが、効率が悪く、ノイズが多くなると同氏は述べた。研究チームは、ロボットの具体的な動作に応じて呼び出せる複数の歩行コントローラを統合する方法に取り組んでいます。これには、ロボットに「この先に階段があります。階段モードを採用したほうがいいですよ」と伝えるだけの非常に単純な認識システムが必要になるかもしれません。