MorphoGuard：形態（モルフォロジー）に基づく全身インタラクティブ・モーションコントローラ

arXiv cs.RO / 2026/4/3

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、単一の運動学的チェーン上で任意の多点接触の組み合わせを扱うために設計された、形態制約付きの全身制御手法「MorphoGuard」を提案する。これは、インタラクティブな全身ロボットタスクにおいて用いられる。
複雑な接触の表現と、ある身体部位で押し動作を行いながら別の部位が同時に把持する、といった状況における関節構成の結合（カップリング）を緩和するという主要な課題に取り組む。
MorphoGuardは、自作のデュアルアーム物理・シミュレーション・プラットフォームを用いて学習されており、バックボーン構造、融合戦略、モデル規模を検証するモデル推奨の実験を含む。
評価として、著者らはロボットが複数の物体を同時に目標位置へ操作する必要があるマルチオブジェクト・インタラクションのベンチマークを用いる。
結果は、接触点の管理誤差が約1cmであることを示しており、全身インタラクティブ・モーション制御の有効性の向上を示唆している。

Abstract

全身制御（WBC）は、高次元のロボットシステムにおける複雑な対話的動作で、顕著な利点を示してきました。しかし、ロボットが単一の運動学チェーンに沿って、動的な多点接触の組み合わせを扱うことが求められる場合――たとえば、対象物を把持しながら肘でドアを押して開けるような場合――には、接触の表現の複雑さや、関節の構成（コンフィギュレーション）の結合という点で大きな障害に直面します。これに対処するために、本研究では、任意の接触組み合わせを明示的に管理する新しい制御アプローチを提案し、ロボットに全身のインタラクティブ能力を付与することを目指します。私たちは、自己構築したデュアルアームの物理・シミュレーションプラットフォームで学習される、形状制約付きのWBCネットワーク（MorphoGuard）を開発します。モデル推奨（recommendation）の一連の実験を設計し、バックボーンのアーキテクチャ、融合戦略、モデル規模がネットワーク性能に与える影響を体系的に調査します。制御性能を評価するために、ベンチマークとして多対象物インタラクション課題を採用し、モデルが複数の目標対象物を同時に、指定された位置へ操作することを要求します。実験結果は、提案手法が接触点管理誤差を約1 cmに抑えられることを示しており、全身インタラクティブ制御における有効性を実証しています。