全身ソフトロボット把持のためのフローマッチングによるアクチュエーション空間デモンストレーションからの軽量学習
arXiv cs.RO / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ソフトロボットの受動的コンプライアンスと、アンダーアクチュエーテッドな全身運動学（whole-body mechanics）を活用することで、ロボット把持における不確実性および接触が多い状況の課題に対処する。
- 「軽量なアクチュエーション空間学習」フレームワークを提案し、フローマッチングモデル（Rectified Flow）を用いて、決定論的デモンストレーションから全身ソフトロボット把持のための分布的な制御表現を学習する。
- このアプローチは、高密度なセンシングや、重いフィードバック制御ループを回避し、複雑な中央集権型コントローラから、ロボットの身体化された力学（embodied mechanics）へ制御知能の重心を移すことを狙う。
- デモンストレーションは30件のみ（ワークスペースの8%未満）で、報告によれば、ワークスペース全域にわたって97.5%の把持成功率を達成する。
- 学習したポリシーは物体サイズの変化（±33%）にも一般化でき、実行時間をスケーリング（20%〜200%）することで、直接的な動的応答の調整下でも安定性を維持する。
