ビジョン言語モデルを用いた筋骨格制御のためのエンボディード学習

本論文は、複雑な筋骨格系のための報酬関数の設計という課題に取り組んでいます。自然言語で記述された高レベルの目標と、それらの目標を実現する制御戦略との間のギャップを埋めるために、ビジョン言語モデル（VLM）を利用する新しいフレームワーク、MoVLRを提案しています。このアプローチは、手作りの報酬を避け、代わりにVLMとの相互作用を通じて報酬関数を反復的に洗練させ、より堅牢で適応性の高い運動制御ソリューションにつながる可能性があります。VLMを使用して学習プロセスを解釈し、ガイドすることは、重要な貢献です。

• •筋骨格制御のための報酬関数を学習するためのフレームワーク、MoVLRを提案。
• •自然言語で記述された高レベルの目標を解釈するために、ビジョン言語モデル（VLM）を利用。
• •VLMフィードバックを通じて報酬関数を反復的に洗練させることで、手作りの報酬を回避。
• •抽象的な運動記述を、運動制御の暗黙的な原理に落とし込むことを目指す。