DART：学習強化モデル予測制御によるデュアルアームの非把持型トレイ把持なし操作

arXiv cs.RO / 2026/4/21

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ホテルやホスピタリティなどのサービスロボティクス場面で、トレイ上の物体を高精度に再配置することを目的としたデュアルアームの新フレームワークDARTを提案する。
DARTは、非線形モデル予測制御（MPC）と最適化ベースのインピーダンス制御を組み合わせ、動的に制御されるトレイに対する物体の運動を正確に実現する。
トレイ—物体ダイナミクスをMPC内の状態遷移関数としてモデル化する方法として、(i) 物理ベースの解析モデル、(ii) オンライン回帰による同定モデル（実時間で適応）、(iii) 強化学習ベースのダイナミクスモデル（物体特性をまたいで一般化）の3案を比較する。
質量・形状・摩擦係数の異なる物体でシミュレーション検証を行い、モデル化戦略ごとの到達時間、定常誤差、制御入力（努力）、および一般化性能のトレードオフを示している。