ヒューマノイドロボットの制御において、自由空間での動作と物体や不規則な地形との接触を伴う複雑なタスクの両立は大きな課題となっていました。従来の強化学習ベースのポリシーは移動運動には優れていますが、接触が多く含まれるタスクでは、純粋な運動学的追跡では物体や地形との相互作用に伴う物理的な曖昧性を解決できていませんでした。 この問題に対応するため、研究チームはSceneBotという統合的な動作追跡フレームワークを開発しました。このフレームワークは自由空間での移動、地形踏破、全身操作を統一的に扱うことが可能です。SceneBotの重要な特徴は、参照動作とリンクごとの接触ラベルの両方に基づいてポリシーを条件付けることで、期待される環境との相互作用を明示的に定義する点にあります。 アノテーション済みの相互作用データが不足していた課題を克服するため、研究チームは後知恵シーン再構成手法を提案しました。この手法は再ターゲット化された人間の動作から相互作用グラフを推論します。7.5時間の再構成された接触リッチデータで学習することで、SceneBotは未知の動作と環境への汎化に成功しました。 実験結果によれば、SceneBotは自由空間での動作と接触リッチな動作をシームレスに統一した初めてのフレームワークであり、箱を階段の上に運ぶなどの複雑で長期的なタスクの実行に対応しています。接触条件付けはヒューマノイド制御の強力なインターフェースとして確立されました。すべてのコードとデータはオープンソース化される予定です。