TacMan-Turbo：関節をもつ対象物の堅牢かつ効率的な操作のための先回り型触覚制御

要旨: 関節化された物体の熟達した操作は、人間の環境でロボットが成功裏に動作するために不可欠です。このような操作には、効果性――物体構造が不確かな状況でも信頼できる動作――と効率性――冗長な手順を最小限に抑え、滑らかな動作で迅速に実行すること――の両方が求められます。既存の手法は、これらの目的を同時に達成することに苦労しています。あらかじめ定義された運動学モデルに依存する方法は、構造の変化に遭遇すると有効性を欠きます。一方、触覚に基づくアプローチは、運動学の事前知識なしで頑健な操作を実現できるものの、反応的な、段階的な探索と補償の繰り返しによって効率性を損ないます。本論文では、この根本的なトレードオフを緩和する、関節化物体操作のための新しい先読み型触覚制御フレームワークであるTacMan-Turboを提案します。従来の手法が触覚接触のズレを、補償を要する単なる誤差信号として扱っていたのとは異なり、我々の方法はこれらのズレを、局所的な運動学情報の豊かな情報源として解釈します。この新しい観点により、我々の制御器は最適な将来の相互作用を予測し、先読みで調整を行うことができます。これにより、操作効率が大幅に向上します。200種類の多様な模擬の関節化物体に対する包括的な評価と実世界での実験を通じて、我々のアプローチは100%の成功率を維持しつつ、時間効率、行動効率、軌道の滑らかさのいずれにおいても、従来の触覚に基づく方法を大きく上回りました（すべてのp値 < 0.0001）。これらの結果は、関節化物体操作における長年の「効果性」と「効率性」のトレードオフが、事前の運動学知識に依存することなく首尾よく解決できることを示しています。