ロボティクス分野における模倣学習では、環境の変化や不完全な観測・制御など、訓練時と実装時の条件のズレが大きな課題となっています。ロボットが名目上の軌跡を追従する際にこのようなズレが生じると、ロボットが立ち往生して作業を完了できなくなる可能性があります。このような状況を克服するには、デモンストレーションに根ざしながらも、オンラインで適応的に探索する戦略が必要とされています。 本研究では、適応的エルゴード的模倣手法を提案しており、この手法は取得したデモンストレーションの幾何学的性質から目標分布を構築します。そして、その目標分布を用いて、追従と探索の間を適応的に補間する軌跡を生成するというアプローチです。従来のエルゴード制御は領域被覆と探索における応用に限定されていましたが、本手法はこれを拡張し、デモンストレーションを取得ベースの後退水平線フレームワークに統合することで、適応的な模倣学習を実現しています。 このアプローチにより、ロボットはデモンストレーションから学んだ基本的な振る舞いを保ちながらも、実際の環境での予期しない状況や乖離に対して柔軟に対応できるようになります。すなわち、ロボットは単に示された軌跡を盲目的に追従するのではなく、状況に応じて適切に探索と調整を行いながら、与えられたタスクを完遂することが期待できます。これは、より堅牢で実用的なロボット制御システムの実現に向けた重要な一歩といえるでしょう。