STAMP：高麗大とROBOTIS、ヒューマノイドの動作つなぎをG1で成功率80.7%に

別々に生成または収録したヒューマノイドの動作2つを、追従方策が実機で実行できる形でどうつなぐか。

ヒューマノイドの動作ライブラリはクリップ単位で作られる。2つをつなぐとき、2つ目を1つ目に対してどこから始め、どちらを向き、何秒で移るかは決まっていない。単独では自然なクリップでも、置き方次第で足の滑りや余分な旋回、意図しない一歩が生じる。

一般的なのは2つ目の開始点を1つ目の終点に合わせ、位置と向きを補間する方法だ。KimodoやMotionBricksなどの生成型の中割りモデルは豊かな動きを作るが、元の配置をそのまま使うため、配置が悪いと意図しない移動を生み出す。

STAMPは人の動作空間で処理する。ロボットのクリップ2つを人の骨格にリターゲットし、小型のTransformerエンコーダー2つからなる位置合わせモデルが、2つ目のクリップの配置候補388通り（平面上の位置、マイナス60度から90度までの向き、0.5〜2.0秒の遷移時間）を採点して最もコストの低いものを選ぶ。続いて拡散型の人の動作事前モデルがその配置で遷移を生成し、完成した動作列をロボットへ戻してBeyondMimic方策で追従させる。両モデルは人の空間にあるため、機種が変わっても再利用できる。

ボクシング、産業保守、交通整理の3場面から18組の動作ペアを用意し、各1024回のシミュレーションで評価した。Unitree G1の成功率はSTAMPが80.69%、位置と向きの補間が69.59%、MotionBricksが56.91%、位置合わせなしのKimodoが50.69%で、体の速度誤差は補間の0.258m/sに対し0.229m/s。ROBOTIS K1ではSTAMPが87.52%、補間が84.70%、Kimodoが64.55%。候補1位の代わりに100位を使うと成功率はG1で9.36ポイント、K1で15.62ポイント下がった。実機のK1では、走りからパンチへの遷移で補間時に起きた足の滑りの代わりにつなぎの一歩を生成し、交通整理の動作4つを長い動作列につなげた。

プレプリントである。成功率はシミュレーション上で各手法が生成した参照動作に対して測ったもので、正解の遷移との比較ではなく、参照ごとの学習シードは1つ。つないだ動作列ごとに追従方策を学習し直す必要があり、新しい組み合わせをすぐには実行できない。実機の根拠は定性的なデモと1組の動作での5回のモーター電流比較にとどまり、著者も遷移開始時点で電流に差があったと認めている。K1での補間に対する改善は2.8ポイントと小さい。