ヨーラ大学のイアン・アブラハム助教らの研究チームは、AIと最適制御理論を統合することで、ロボットが複数の高難度運動を連続して正確に実行できるようにする新技術を開発した。この研究では、単一のスキル（例：手押しジャンプやバックフリップ）の習得にはAIが有効だが、複数のスキルを組み合わせた複雑な動作（例：バックフリップ後に手押しジャンプ）を学ばせる際には、従来のAIモデルでは性能が低下するという課題に直面していた。 この問題を解決するために、アブラハムらは「ハイブリッド制御理論」を活用。これは、自律システムが異なる制御モードを適切なタイミングで切り替えることで、最も効率的かつ安定した動作を実現する数学的アプローチである。研究チームは、犬型ロボットを対象に、AIによる経験学習（強化学習）とモデルベース学習（観察に基づく計画）を組み合わせ、その切り替えを最適化する制御戦略を実装。結果として、ロボットはバランスを保ちながら正確なフリップ動作を実行し、複数の運動スキルを滑らかに連続して実行することに成功した。 アブラハム助教は「人間がスポーツを学ぶときと同じように、最初は動きを予測し、次第に筋肉記憶として定着する。ロボットも同様に、学習モードの切り替えを適切に制御することで、高精度な運動を実現できる」と説明する。この技術により、家庭や未構造的な環境で働くロボットが、現場での経験をもとに新しいスキルを学び、安全かつ効果的に動作できる可能性が広がる。将来的には、ロボットが自身の学習モダリティを柔軟に使い分け、信頼性を高めながら複雑なタスクを遂行する「自律的適応型ロボット」の実現が期待される。研究内容はarXivに掲載されている。