ロボット研磨（バリ取り）のための、障害物回避を備えた学習ガイド付きフォースフィードバック・モデル予測制御

概要: モデル予測制御（MPC）はトルク制御ロボットで広く用いられていますが、従来の定式化ではしばしばリアルタイムの力フィードバックが無視され、衝突制約のもとで接触の多い産業タスクに対応するのが困難です。特にバリ取りでは、精密な工具の挿入、安定した力の制御、そして困難な構成における衝突のない円運動が必要であり、標準的なMPCパイプラインの能力を超えています。そこで本研究では、これらの課題に対処するために、力フィードバックMPCと拡散に基づく運動事前知識を統合した枠組みを提案します。拡散モデルは運動戦略の記憶として機能し、複数のタスク実行インスタンス間で頑健な初期化と適応を提供します。一方でMPCは、明示的な力追従、トルクの実現可能性、衝突回避によって安全な実行を保証します。本手法を、トルク制御マニピュレータによる産業用バリ取りタスクで検証します。実験の結果、到達が難しい構成や障害物制約下でも、信頼性の高い工具挿入、正確な法線方向の力追従、そして円形のバリ取り運動が実現できることを示します。私たちの知る限り、衝突を意識した接触の多い産業タスクに対して、拡散運動事前知識と力フィードバックMPCを統合した初めての試みです。