模倣学習で動物のような動きを学ぶロボット

Googleの研究者たちは、模倣学習を利用して、自律型四足歩行ロボットにペースや回転、より機敏な動き方を教えた。センサーから記録されたモーションキャプチャデータのデータセットを使用して、従来のロボット制御では実現が困難な、いくつかの異なる動きを教えた。https://www.axion.zone/robots-learning-to-move-like-animals/

模倣学習で動物のような動きを学ぶロボット

要点

Googleの研究者たちは、模倣学習を利用して、自律型四足歩行ロボットにペースや回転、より機敏な動き方を教えた。センサーから記録されたモーションキャプチャデータのデータセットを使用して、従来のロボット制御では実現が困難な、いくつかの異なる動きを教えた。


最初に、彼らは犬のトロット、サイドステップ、および古典的な80年代のダンス「The Running Man」の犬のバージョンを含む各操作のシミュレーションを構築するために実際の犬からの動きのデータを使用しました。次に、シミュレーションされた犬とロボットの主要な関節を一致させ、シミュレーションされたロボットが動物と全く同じように動くようにしました。そして、強化学習を使って、動きを安定させ、体重配分やデザインの違いを修正することを学習しました。最終的に、研究者たちは最終的な制御アルゴリズムを実験室の物理的なロボットに移植することができましたが、人間が走るような動きは完全には成功しませんでした。

フレームワーク

研究チームが採用したフレームワークは、モーションリターゲティング、モーションイミテーション、ドメインアダプテーションの3つの主要な構成要素から構成されています。

  1. まず、参照運動が与えられると、運動リターゲティング段階では、元の動物の形態からロボットの形態へと運動をマッピングします。
  2. 次に、運動模倣段階では、再対象化された参照運動を用いて、シミュレーションで運動を模倣するためのポリシーを訓練します。
  3. 最後に、領域適応段階では、シミュレーションからサンプル効率的な領域適応プロセスを経て、実際のロボットに方針を伝達します。

本研究では、このフレームワークを応用して、ライカゴ四足歩行ロボットの様々な俊敏な運動スキルを学習しています。

図1. フレームワークは、モーションリターゲティング、モーションイミテーション、領域適応の3段階で構成されている。動物から記録された運動データを入力として受け取り、ロボットが現実世界での運動を再現できるような制御方針を出力する。

モーションリターゲティング

動物の体は、一般的にロボットの体とは大きく異なります。そのため、ロボットが動物の動きを模倣する前に、まずロボットの身体に動きをマッピングしなければなりません。リターゲティングプロセスの目標は、動物の動きの重要な特徴を捉えたロボットの基準となる動きを構築することです。これを行うために、まず、腰や足などの動物の体のソースキーポイントのセットを特定します。次に、ロボットの身体上に対応するターゲットキーポイントを指定します。

図2. 実在の犬(左)からロボット(右)に記録されたモカップクリップをリターゲティングするために逆運動学を用いています。犬とロボットの体に対応するキーポイント(赤)のペアを指定し,IKを用いてキーポイントを追跡するロボットのポーズを計算します。

次に、逆運動学を用いて、各タイムステップで動物からの対応するキーポイントを追跡するロボットの基準運動を構築します。

図3. 逆運動学を用いて、犬からロボットに記録されたモカップクリップをリターゲティングします。

基準運動をロボットにリターゲットした後、次のステップは、リターゲットした運動を模倣する制御方針を訓練することです。しかし、強化学習アルゴリズムは効果的な制御方針を学習するのに時間がかかり、実際のロボットで直接訓練するのはかなり危険です(ロボットと人間の仲間の両方にとって)。そこで、我々は代わりに、訓練の大部分をシミュレーションの快適さの中で実行し、学習したポリシーをよりサンプル効率の良い適応技術を用いて実世界に転送することを選択します。すべてのシミュレーションはPyBulletを用いて行われます。

領域適応

シミュレータは一般的に現実世界の粗い近似値しか提供しないため、シミュレーションで訓練されたポリシーは、実際のロボットに配備されたときにはかなり悪い結果になることがよくあります。そこで、シミュレーションで学習したポリシーを実世界に移植するために、我々は、実ロボット上でのわずかな試行回数でポリシーを実世界に適応させることができるサンプル効率的な領域適応技術を使用します。これを行うために、まず、シミュレーションでの訓練中に、質量や摩擦などの力学パラメータをランダムに変化させる領域ランダム化を適用します。

実際のロボットにポリシーを移す際には、エンコーダを削除し、現実世界でロボットの報酬を最大化する空間を直接探索します。これは、単純なオフポリシー強化学習アルゴリズムであるアドバンテージ加重回帰を用いて行われます。我々の実験では、この手法はしばしば50回以下の試行で実世界にポリシーを適応させることができ、これは実世界のデータの約8分に相当します。

結果

このフレームワークでは,犬のように高速な回転運動だけでなく、歩幅やトロッキングなどの歩行動作も含めて、様々な運動能力を模倣したロボットの訓練を行うことができます。また、単に前方の歩行動作を後ろ向きに再生するだけで、ロボットが後ろ向きに歩くように訓練することも可能です。

本物の犬の動きを真似るだけでなく、ダイナミックなホップターンなど、アーティストがアニメーションしたキーフレームの動きを真似ることもできます。また,学習したポリシーを,メーカーから提供された手動で設計されたコントローラと比較しました.私たちのポリシーは、より速い歩行を学習することができます。

全体的に、システムは四足歩行ロボットを用いて、かなり多様な行動を再現することができました。しかし、ハードウェアやアルゴリズムの制限により、走ったり跳んだりするようなより動的な動作を模倣することはできませんでした。また、学習されたポリシーは、手動で設計された最高のコントローラほどロバストではありません。学習したポリシーの敏捷性とロバスト性をさらに向上させるための技術を探求することは、より複雑な実世界での応用に向けた貴重な一歩になるかもしれません。このフレームワークをビデオからスキルを学習するために拡張することは、ロボットが学習できるデータ量を大幅に増やすことができるエキサイティングな方向性です。

Robotics Science and Systemsのベストペーパーとなった論文の主著者であるJason Pengは、克服すべき課題がまだたくさんあると記述している。ロボットの重さは、大きなジャンプや高速走行などの特定の動作を学習する能力を制限しています。さらに、動物からモーションセンサーデータを取得できるとは限りません。莫大な費用がかかり、動物の協力が必要になります。

参考文献

  1. Xue Bin Peng et al. Learning Agile Robotic Locomotion Skills by Imitating Animals. Robotics Science and Systems (RSS 2020).

Image via Berkrey Artificial Intelligence Research

Read more

米国のEV革命は失速?[英エコノミスト]

米国のEV革命は失速?[英エコノミスト]

米国人は自動車が大好きだ。バッテリーで走らない限りは。ピュー・リサーチ・センターが7月に発表した世論調査によると、電気自動車(EV)の購入を検討する米国人は5分の2以下だった。充電網が絶えず拡大し、選べるEVの車種がますます増えているにもかかわらず、このシェアは前年をわずかに下回っている。 この言葉は、相対的な無策に裏打ちされている。2023年第3四半期には、バッテリー電気自動車(BEV)は全自動車販売台数の8%を占めていた。今年これまでに米国で販売されたEV(ハイブリッド車を除く)は100万台に満たず、自動車大国でない欧州の半分強である(図表参照)。中国のドライバーはその4倍近くを購入している。

By エコノミスト(英国)
労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

労働者の黄金時代:雇用はどう変化しているか[英エコノミスト]

2010年代半ばは労働者にとって最悪の時代だったという点では、ほぼ誰もが同意している。ロンドン・スクール・オブ・エコノミクスの人類学者であるデイヴィッド・グレーバーは、「ブルシット・ジョブ(どうでもいい仕事)」という言葉を作り、無目的な仕事が蔓延していると主張した。2007年から2009年にかけての世界金融危機からの回復には時間がかかり、豊かな国々で構成されるOECDクラブでは、労働人口の約7%が完全に仕事を失っていた。賃金の伸びは弱く、所得格差はとどまるところを知らない。 状況はどう変わったか。富裕国の世界では今、労働者は黄金時代を迎えている。社会が高齢化するにつれて、労働はより希少になり、より良い報酬が得られるようになっている。政府は大きな支出を行い、経済を活性化させ、賃上げ要求を後押ししている。一方、人工知能(AI)は労働者、特に熟練度の低い労働者の生産性を向上させており、これも賃金上昇につながる可能性がある。例えば、労働力が不足しているところでは、先端技術の利用は賃金を上昇させる可能性が高い。その結果、労働市場の仕組みが一変する。 その理由を理解するために、暗

By エコノミスト(英国)
中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

中国は地球を救うのか、それとも破壊するのか?[英エコノミスト]

脳腫瘍で余命いくばくもないトゥー・チャンワンは、最後の言葉を残した。その中国の気象学者は、気候が温暖化していることに気づいていた。1961年、彼は共産党の機関紙『人民日報』で、人類の生命を維持するための条件が変化する可能性があると警告した。 しかし彼は、温暖化は太陽活動のサイクルの一部であり、いつかは逆転するだろうと考えていた。トゥーは、化石燃料の燃焼が大気中に炭素を排出し、気候変動を引き起こしているとは考えなかった。彼の論文の数ページ前の『人民日報』のその号には、ニヤリと笑う炭鉱労働者の写真が掲載されていた。中国は欧米に経済的に追いつくため、工業化を急いでいた。 今日、中国は工業大国であり、世界の製造業の4分の1以上を擁する。しかし、その進歩の代償として排出量が増加している。過去30年間、中国はどの国よりも多くの二酸化炭素を大気中に排出してきた(図表1参照)。調査会社のロディウム・グループによれば、中国は毎年世界の温室効果ガスの4分の1以上を排出している。これは、2位の米国の約2倍である(ただし、一人当たりで見ると米国の方がまだひどい)。

By エコノミスト(英国)