EIDA、実行インターフェース動力学適応で軽量シミュレータから実ロボットナビゲーションへ転移

軽量シミュレータで学習したナビゲーションポリシーは、詳細な低レベルアクチュエータ動力学を再構築せずに実ロボットへ転移できるか。

速度指令は機種固有の低レベルコントローラを経由し、アクチュエータ応答や制御遅延、直前の指令履歴の影響で、シミュレータと実機で同じ指令から異なる軌道や速度フィードバックが生じる。この実行インターフェースの乖離がドリフトや旋回オーバーシュート、衝突を引き起こし、高速時ほど修正時間が少なく影響が大きい。

従来研究では、ダイナミクスランダム化やSimOptのようにシミュレーションパラメータの分布を調整する手法、Grounded Action TransformationやNeural-Augmented Simulationのように実データで遷移や行動変換を補正する手法、Habitatに二次応答モデルを組み込む手法などがあった。しかし、実行インターフェース全体を特定機種の応答モデルに置き換えるのではなく、パラメータ分布のロバスト化や詳細物理再現に依存する場合が多く、必ずしも軽量シミュレータでの効率的な学習と実機転移を両立しなかった。

EIDAは、実機実行データから機体座標系のポーズ増分を予測するMLPと、ポリシーが観測する速度フィードバックを再現する因果的なARXモデルを別々に同定し、GPU並列軽量シミュレータFlashNavに組み込む。ポーズ増分モデルは現在の速度、現在指令、過去の指令履歴、制御間隔を入力とし、シミュレータの幾何状態を直接更新する。ARXモデルは速度推定値を再帰的に予測し、ポリシー入力には現在と過去5ステップの速度推定値を含める。学習時は手動励振データとポリシー駆動軌道データを組み合わせ、重み付き単段階損失と多段階損失を交互に最適化する。展開時はモデルを実行せず、実機の運動とセンサフィードバックが学習済みシミュレータを置き換える。

動力学モデル検証では、JackalとGo2の全検証セットに対して、0.1秒から5秒の予測ホライズンで、実行データ適合モデルがシミュレータ既定モーションモデルより位置とヨーのRMSEを全ホライズンで低減した。5秒時点でJackalは位置71.3%、ヨー41.3%、Go2は位置34.4%、ヨー34.9%低下した。BARN100環境、各3回の計300試行評価では、EIDAがグローバル経路なしで成功率81.33%±0.58%、スコア0.3984、グローバル経路ありで成功率89.33%±2.33%、スコア0.4241を達成し、学習済みポリシー中最高だった。Nominal（グローバルあり80.78%±1.35%）との差はグローバルなし10.11ポイント、あり8.55ポイントだった。アブレーションでは、適合モーションモデルをNominalに置換すると成功率が9.34ポイントと16.00ポイント低下、速度履歴除去で8.34と10.67ポイント低下、ARXフィードバックを指令駆動状態に置換すると5.67と8.00ポイント低下した。実機Unitree Go2の静的シーン20試行ではEIDAが全20試行で衝突なく目標到達し、Nominalは20試行中4試行のみ成功した。成功試行の平均経路長はシーン1で6.32±0.18m、シーン2で5.91±0.30m、実行時間は10.31±0.75秒と8.98±1.04秒で、Nominal比で経路長7.2～11.9%、実行時間20.2～25.4%短縮した。

著者は、長期的な予測精度と不確実性を考慮したモデル化を今後の課題としている。また、提案モデルは決定論的であり、自己位置推定誤差や予測の不確実性は明示的に扱わない。実機評価はUnitree Go2一台に限られ、Jackalの実機検証は報告されていない。Go2の展開指令範囲内では、適合モデルはヨー誤差を低減したが位置精度は常に改善しなかった。さらに、動的障害物のデモは静的シーン試行とは別に実施され、定量評価には含まれていない。