legged robot locomotionにおける模倣学習：サーベイ

科学分野:

• ロボット工学
• 人工知能
• 機械学習

背景:

• 模倣学習（IL）は、ロボットの歩行に革命をもたらし、手動での報酬関数のエンジニアリングの必要性を排除しました。
• 歩行におけるILの研究は、2019年以来著しく進歩し、基本的な動きの複製から、拡散モデルを使用した複雑なポリシー生成へと移行しました。

研究 の 目的:

• ロボットの歩行における模倣学習に関する35の主要な研究作品の包括的な調査を提供すること。
• 構造化された6次元フレームワークを使用して、四足歩行および人型ロボットプラットフォームの進歩を分析すること。
• この分野における展開の課題と将来の研究の方向性を特定すること。

主な方法:

• ロボットの模倣学習に関する35の研究論文の体系的なレビューと分析。
• ロボットプラットフォーム（四足歩行、人型）と方法論に基づいた研究の分類。
• 進捗状況を評価し、傾向を特定するための構造化された6次元フレームワークを使用した評価。

主要な成果:

• 行動クローニングは、調査された研究のほぼ半数で使用されています。
• モデル予測制御（MPC）を介して生成されたデータは、高度なILシステムの最も頻繁なトレーニングデータソースです。
• 拡散モデルの使用を含む、ポリシー生成における顕著な進歩が観察されています。

結論:

• 模倣学習は、ロボットの歩行研究における主要なパラダイムです。
• モデル予測制御（MPC）は、現在の高度な模倣学習システムの重要なイネーブラーです。
• 展開の課題に対処し、新しい研究の可能性を探るためには、さらなる研究が必要です。