ヒューマノイドロボットが複雑な地形を人間のように移動することは、ロボティクス分野における長年の課題です。従来のシステムでは、全身の表現力豊かな動きを追跡することはできても地形への汎化性が低いか、あるいはオンラインで地形に反応することはできても腕やトルソ、膝などの活用が限定的というジレンマに直面していました。今回発表された「Light-Loco-Parkour」（LLP）は、この問題を単一の統合ポリシーで解決する革新的な知覚全身移動制御システムです。 このシステムは、機体に搭載された深度センサとベロシティコマンドのみを入力とし、スキルラベルや手作りの状態遷移機構、実行時の動作グラフなしに、歩行、バランス、登行、段差降下、ボルト移動など、必要な動作を自律的に選択・実行します。既存のヒューマノイドシステムと比べて、LLPは3つの主要な技術革新をもたらします。第一に、強化学習で訓練された速度追跡ポリシーに、物体交互作用の動きから習得したパルクール技能を統合する全身知覚制御パイプラインを導入しました。第二に、大規模な動作コーパスに依存せず、単一の動きを障害物の幾何学に応じた地形対応参照へと動的に拡張することで、少ないシード動作からスキルを習得しています。第三に、報酬学習を通じて自律的なスキル遷移を実現し、ポリシーが深度センサとコマンドのみから、どのスキルをいつ発動するかを判断します。 シミュレーション実験と実世界実験の結果、ベンチマーク地形と未見の障害物バリエーションの両方で高い成功率を達成し、同じポリシーが室内外の実機実験にゼロショット転移することが実証されました。これらの成果は、オンボード認識と単一の統合ポリシーのみを使用して、屋外環境でのヒューマノイドロボットによる自律的な知覚全身移動を実現する可能性を示唆しています。