ヒューマノイドロボットが発達原理に基づいた動作ポリシーを学習し、より高度で実用的な行動を生み出すためにポリシーを組み合わせる方法に関する研究が発表された。本研究では、全身リーチングと把握ポリシーの学習、およびそれを立ち上がり・歩行ポリシーと組み合わせて、把握、立ち上がり、歩行という複雑なポリシーを構成することを目指している。 第一段階の把握ポリシー学習では、調和解析からインスピレーションを得た立方調和関数を用いて、空間畳み込みを通じて手とオブジェクト間の空間関係を表現する手法を採用している。発達原理に基づいたエピソード内指関節デカップリングカリキュラムを利用することで、ロボットは外部データセットや事前学習済みモデルに頼らず、汎化可能な把握ポリシーを自律的に学習できる。 第二段階では、両ポリシーに各々の観測ベクトルを提供し、手とオブジェクト間の相互作用スコアを用いてどのポリシーがロボットのどの関節を制御すべきかを決定することで、把握ポリシーと別途学習した立ち上がりポリシーを統合している。結果として、未見のオブジェクトの把握で93%のゼロショット成功率、オブジェクト保持状態での立ち上がりで96～100%の成功率を達成した。 本研究の重要な知見として、たとえ歩行など特定のポリシーが指などの全身部位を必要としないように見える場合でも、各ポリシーの学習が同じ全身ヒューマノイドボディ上で行われた場合のみ、異なるポリシーの組み合わせが効果的に機能することが示された。