接触を通じて行動を学ぶ：マルチタスク・ロボット学習の統一的な見取り図

arXiv cs.RO / 2026/5/5

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、タスクごとに別々のポリシーを設計する代わりに、接触を明示した表現に基づく枠組みにより、ロボットの移動（ロコモーション）と操作（マニピュレーション）のマルチタスク学習を統一的に扱う手法を提案する。
タスクは、望ましい接触位置・タイミング・アクティブなエンドエフェクタといった「接触ゴール」の系列によって定義され、単一の目標条件付き強化学習（RL）ポリシーが与えられた接触計画を実現することを学習する。
このアプローチは、四足ロボットや人型ロボットなど複数のロボット形態で検証され、単一ポリシーで複数の歩行（ギャイト）や二足・四足の移動を制御できることを示す。
操作についても、接触に基づく同一ポリシーが人型ロボット上での両手を使う複数の物体操作タスクを扱えることを示している。
著者らは、接触推論を明示することで未見の状況への一般化が向上し、ロコ・マニピュレーションのスケーラブルな学習基盤として有望であると結論づけている。