ROBOGATE：2段階の境界に焦点を当てたサンプリングによる、安全なロボット方策展開のための適応的な故障発見
arXiv cs.RO / 2026/3/24
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- ROBOGATEは、物理ベースのシミュレーションと適応的サンプリングを組み合わせ、高次元の運用パラメータにおけるロボット方策の故障境界を効率的にマッピングする展開リスク管理フレームワークとして提示される。
- この手法は2段階戦略を用いる：まずラテン超立方サンプリング（20,000件の実験）で粗い故障の地形を構築し、その後、境界に焦点を当てたサンプリング（さらに10,000件）で、成功遷移が30〜70%となる領域をターゲットにして故障境界推定を精緻化する。
- NVIDIA Isaac Simのニュートン物理を用いた実験により、スクリプト化されたピック・アンド・プレース制御器を2つのロボット実装（Franka PandaおよびUR5e）で評価する。合計30,000回のシミュレーションにより、ステージ1のみの場合（AUC 0.754）から改善して、ロジスティック回帰リスクモデルのAUCを0.780に向上させる。
- このアプローチは、閉形式の故障境界方程式を生成し、両ロボットプラットフォームで共有される4つのユニバーサルな危険ゾーンを特定する。これにより、より一般化可能な安全制約が示唆される。
- ROBOGATEはVLAモデルの評価にも適用されており、Octo-Smallは68の敵対的シナリオで成功率0.0%となるのに対し、スクリプト化されたベースラインは100%を達成する。これは産業環境における基盤モデル方策の展開リスクを浮き彫りにするものであり、フレームワークはシングルGPUワークステーション上で実行可能なオープンソースとして公開されている。
