PolyMorphWBC、末端軌道から四足機と異なるロボットアームを協調制御
プレプリントで発表されたPolyMorphWBCは、タスク層から末端軌道だけを受け取り、四足移動体と搭載アームの動きを調整する制御手法である。IsaacLabで未学習のアーム形態と軌道を評価し、軌道完了率93.95%、位置誤差2.30 cm、姿勢誤差4.81°を報告した。操作方策と移動ロボットの接続を簡素化し、異なるアームで制御器を再利用する可能性を示した。
搭載アームの形態が変わっても、共通の制御階層が末端軌道からアームとベースの協調動作を生成し、初期の固定ベース可到達範囲を超える目標まで追従できるかが研究の問いである。
末端軌道だけでは、ベースを動かす時機や動かし方は決まらない。移動が遅ければ後続目標が届かなくなり、不要な移動は追従精度を下げる。アームの幾何構造、質量分布、運動がベースに与える外乱によって必要な対応も変わる。
ALMAや統合MPCなどのモデルベース手法は、最適化によって移動と操作を調整する。学習型にはDeepWBC、VBC、RoboDuetがある。一部の方式は別途ベース指令を必要とする。末端軌道を使うUMI-on-LegsやMLMも、特定の搭載アーム形態を前提に開発された。
共通の調整器が1 sにわたる7個の末端目標姿勢を先読みし、ベース速度、ヨー角速度、ピッチ、高さを指令する。現在の目標はアーム固有の逆運動学で追従し、学習後に固定した歩行方策が脚を制御する。URDF由来の形態エンコーダを運動学と残差力及びトルクの予測で事前学習し、オンライン推定した残差力及びトルクと直近の応答履歴を組み合わせる。4種類の6-DoFアーム系統から学習用1024体、検証用128体、学習軌道100k本を用い、PPOで段階的に学習した。実機の把持と配置では100件のデモで微調整したπ₀が末端軌道とグリッパー指令を生成した。
IsaacLabの未学習アーム及び軌道で、完了率93.95%、平均位置誤差2.30 cm、平均姿勢誤差4.81°となった。初期ベース座標系でx>1 mの目標を含む軌道は94.83%、1.94 cm、3.86°、x<0 mを含む軌道は91.56%、2.41 cm、4.68°である。誤差平均には失敗エピソードも含む。評価用の別枠データはアーム128体と軌道10k本で、実行した評価エピソードの総数は論文では報告されていない。再学習せずにMuJoCoのGo2-ARX5で4種類の軌道を評価し、位置誤差1.38から2.04 cm、姿勢誤差2.01°から2.38°を得た。タスク別微調整なしで使ったUMI-on-Legs公式ランダム軌道チェックポイントは、それぞれ4.77から7.31 cm、22.72°から76.57°だった。horizontal base orbitでは2.04 cm、2.38°で、比較対象は7.31 cm、76.57°だった。完全モデルの完了率から形態条件入力を除いたモデルの完了率を引いた差は、CW +9.90ポイント、OW +2.59ポイント、SW +0.55ポイント、PA -0.48ポイントである。実機Go2-ARX5では、タスク層のベース指令なしで遠隔操作と、言語指示に基づく初期可到達範囲外での把持と配置を実演した。
既知のアームモデル、滑らかで低速の末端軌道、共通のGo2ベースを前提とする。異なるアームへの再利用はシミュレーションで検証し、実機実演は1種類のアーム構成である。実機用の動作範囲は経験的な境界であり、全身動作の実行可能性を保証しない。接触を多く伴う操作は今後の課題である。実機試行回数、成功率、学習費用、コード公開状況は論文では報告されていない。実機のπ₀推論には、有線Ethernetで接続した外部RTX 5090ワークステーションを使った。
四足移動型マニピュレーターの開発企業やVLA方策の統合チームが、現在、研究試作で検討できるインターフェースである。製品への適用には、対象アームとベース、運用条件での検証、実機信頼性の定量化、必要な接触操作への対応が求められる。商用導入の時期は論文では報告されていない。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。