Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Learned Perceptive Forward Dynamics Model for Safe and Platform-aware Robotic Navigation

著者: Pascal Roth, Jonas Frey, Cesar Cadena, Marco Hutter · RSS 2025

ライセンス

  • オープンアクセス
  • 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

学習したモデルが高さスキャンと固有受容感覚の履歴から ANYmal の将来の姿勢と失敗リスクを予測するため、MPPI プランナーはゴール項とリスク項だけで安全に計画できる。

重要な理由

衝突と走行不能な地形がモデルに学習されているため、プランナーの報酬は二つの項にまで減り、手作りの走行可能性マップも不要になる。モデルは特定のロボットとその移動ポリシー向けに学習されるため、予測はそのプラットフォームの特性を反映し、搭載された Jetson Orin AGX 上で 2048 本のサンプリング軌道を用いて 7 Hz で動作する。

課題

荒れた地形での安全なナビゲーションには、特定のロボットとその移動ポリシーで何ができるかに応じた、リアルタイムの走行可能性評価が必要である。単純化したダイナミクスに基づくプランナーは、手作業で設計した環境固有のコスト関数を必要とする。また、四足歩行ロボット向けの以前の学習型順ダイナミクスモデルは 2D LiDAR スキャンのみを用い、2D の障害物がある平坦なシーンでしか機能せず、実ロボットへの転移も行われていなかった。

提案手法

知覚的順ダイナミクスモデルは、過去の状態と固有受容感覚の計測履歴を GRU で、現在の高さスキャンを CNN で符号化する。続いて二つ目の GRU が速度指令の系列を受け取り、0.5 s のステップ 10 個分について、指令速度に対する補正量（SE(2) の姿勢に積分される）と失敗確率を予測する。モデルは衝突や転倒を含む Isaac Lab のシミュレーションデータで事前学習され、実際の ANYmal のデータでファインチューニングされる。MPPI プランナーは行動系列をサンプリングし、それらをモデルで展開し、ゴール距離の報酬と失敗リスクのペナルティによって選択する。

主な知見

  • シミュレーションは、転倒や衝突のような実機では収集できない危険な動作を提供し、実世界のデータは、雪上での滑りや植生への絡まりなど、剛体シミュレーションの外にある効果をカバーする。
  • 姿勢を直接予測するのではなく、速度の補正量を予測して積分することは、指令された行動に対する残差の定式化に従うものである。
  • 高さスキャンは極めて重要である。これを除くと位置誤差は平均 110% 増加し、F1 は 0.13 低下した（Appendix D）。
  • プランナーにリスク項を残すことで、成功率は 2D 環境で 2.5%、3D 環境で 4.6% 向上したが、その代わりに経路は遅く慎重なものになった。
  • 2D-LiDAR のベースラインは階段と壁を区別できないため、衝突を過剰に予測する。再現率は高いが、適合率と F1 は低い。

主な結果

  • 全環境の平均で、最終ステップの位置誤差は Kim et al. の知覚的ベースラインより 41.28%、等速度モデルより 70.57% 低い（アブストラクトではこれを 41% に丸めている）。
  • 失敗予測の F1 は 2D 環境で 0.90、2D-3D および 3D 環境で 0.85（Table II）。Section VI は精度を少なくとも 89%、結論は少なくとも 89.20% としているが、Table II の最低の精度は 89.13%（2D）である。
  • 計画の成功率（Table III）：2D では 88.33% に対し 78.33%（Kim et al.）と 82.50%（ヒューリスティックな走行可能性）、3D では 73.75% に対し 48.75% と 33.13%。アブストラクトはこれを荒れたシミュレーション環境で 27% 高い成功率と、結論は平均ゴール成功率 81% と報告している。
  • 実世界でのファインチューニングにより、平均位置誤差は森林で 34.38%、雪上で 30.55%、舗装路で 30.30% 減少した。
  • 搭載の Jetson Orin AGX：2048 本の軌道で 1 反復あたりのモデル推論は 40.6 ms、プランナーは 7 Hz で動作する。モデルのパラメータ数は 116 万で、1 枚の RTX 4090 で約 8 時間で学習できる。
  • シミュレーションで ANYmal、Barry、ANYmal-on-Wheels 向けに個別に学習したモデルは、同じ行動系列に対して異なる、プラットフォーム固有の予測を示した。

制限事項

  • モデルは主に幾何学的な領域にとどまり、移動ポリシーに制約される。らせん階段、洞窟、トンネルのような学習で見ていない形状や、氷や深い泥のような極端な条件では失敗する可能性がある。
  • シミュレーションでの失敗状態は実際の失敗に完全には対応せず、実世界のデータには、ハードウェア損傷のリスクがあるため衝突が含まれていない。
  • MPPI には依然として、行動分布、指令範囲、時間相関係数の調整が必要であり、シミュレーションと学習の設定にも独自の設計上の選択が伴う。
  • 著者らは学習ドメインを超えた汎化を見込んでおらず、本手法は社会的規範や、高速で動く複数の動的エージェントを考慮していない。
  • 平面環境では失敗はまれ（0.042%）で、シミュレーションの不安定性が原因である可能性が高いため、そこでの失敗予測の F1 は低い（0.10）。

分野への影響

本論文は RSS 2025 Outstanding Systems Paper Award のファイナリストであり、被引用数は 35 である。コードとモデルは github.com/leggedrobotics/fdm で公開されている。

概要

複雑な環境で安全なナビゲーションを確保するには、正確なリアルタイムの走行可能性評価と、ロボットの能力に応じた環境との相互作用の理解が必要である。単純化したダイナミクスを仮定する従来の手法では、経路や行動を安全にゴールへ導くために、コスト関数の設計と調整が必要となることが多い。この作業は手間がかかり、環境に依存し、汎化しない。これらの問題を克服するため、我々は、周囲の幾何形状と固有受容感覚の計測履歴を条件としてロボットの将来の状態を予測する、新しい学習型の知覚的順ダイナミクスモデル（Forward Dynamics Model、FDM）を提案し、よりスケーラブルで安全かつヒューリスティクス不要の解決策を示す。FDM は、高リスクな動作を含む何年分ものシミュレーションでのナビゲーション経験と実世界での相互作用で学習され、剛体シミュレーションを超える完全なシステムダイナミクスを取り込む。我々は知覚的 FDM をゼロショットの Model Predictive Path Integral（MPPI）計画フレームワークに統合し、行動、将来の状態、失敗確率の間の学習された対応関係を活用する。これにより単純化したコスト関数を最適化でき、安全性を確保するための大掛かりなコスト調整が不要になる。脚式ロボット ANYmal において、提案する知覚的 FDM は位置推定を競合するベースラインより平均 41% 改善し、これは荒れたシミュレーション環境で 27% 高いナビゲーション成功率につながる。さらに、効果的なシミュレーションから実機への転移を示し、合成データと実データで学習する利点を示す。コードとモデルは https://github.com/leggedrobotics/fdm で公開されている。

リンク

  • arXiv 2504.19322: https://arxiv.org/abs/2504.19322
  • DOI 10.48550/arXiv.2504.19322: https://doi.org/10.48550/arXiv.2504.19322
  • PDF: https://arxiv.org/pdf/2504.19322v1
  • コード: https://github.com/leggedrobotics/fdm

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。