疎なタクソノミーによるガイダンスから器用な把持を学習する
arXiv cs.RO / 2026/4/7
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文は、密な把持／接触の教師信号ではなく、疎なタクソノミーによるガイダンスを用いる器用な把持のための2段階フレームワークGRITを提案する。
- GRITはまず、シーンとタスクの文脈からタクソノミーに基づく把持仕様を予測し、その疎な把持構造を条件として連続的な多指の運動を生成する。
- 著者らは、異なる把持タクソノミーが対象物の形状によって適したものが異なることを見出し、この関係を活用して汎化性能を高める。
- ベンチマーク実験では、GRITは全体の成功率87.9%を報告しており、ベースライン手法と比べて新規の物体に対する性能が向上する。
- 実環境でのテストでは、本アプローチは制御可能であり、対象物の幾何形状とタスクの意図に整合する高レベルのタクソノミー選択によって把持戦略を調整できることが示される。
