HANDOFF: 蒸留型補完教師による人型ロボットのタスク空間全身制御

人型ロボットの実用化が近づくにつれ、避けて通れない課題がある。それは「ロボットに複雑な動きをさせるのは、驚くほど難しい」ということだ。

私たちが何気なく歩いたり、物を持ったり、バランスを崩した時に立ち直ったりできるのは、脳と体が何年もかけて学習した結果。ロボットにそれを教えるには、従来は個別の専門技術を組み合わせる必要があった。例えば足の動きは足用の制御システム、腕の動きは腕用のシステム、転倒防止はまた別のシステム、という具合だ。

HANDOFFと名付けられた新しいアプローチは、この「バラバラな知識」を統合する方法を提案している。機械学習における「蒸留」という技術を使い、複数の専門的なロボット制御モデルから同時に学ぶ仕組みを作った。簡単に言えば、複数の優秀なコーチから一度に学ぶようなイメージだ。

具体的には、全身の動きをスムーズに追跡するモデル、ロボットを前に進める動きを制御するモデル、そして転倒したときに立ち上がる回復動作のモデルという、三つの専門知識を一つのシステムに詰め込んだ。これにより、ロボットはより直感的に、かつ柔軟に対応できる制御が実現する。

実験で使われたUnitree G1というロボットで検証した結果、速度追跡（ロボットが命じられた速度で正確に動くかどうか）の精度と、実際に動ける動作範囲の広さの両方で優れた成績を記録したという。つまり、より細かく正確に動くだけでなく、より多くの種類の動きができるようになったわけだ。

なぜこれが大事なのか。人型ロボットが工場や建設現場、介護施設といった実在する環境で働くには、予測不能な状況への対応が必須だ。動作の融通性が高ければ高いほど、想定外の状況でも柔軟に対応でき、人間に代わって複雑な作業ができるようになる。今回の研究は、その実用化へ向けた重要な一歩と言える。