要旨: 巧みな操作は、制御と設計の両面によって制限されており、巧緻な作業を行うために操作者（マニピュレータ）を最適にする要因についてコンセンサスは得られていません。これは根本的な課題を提起します。すなわち、巧緻性に最適化されたロボット・マニピュレータを、どのように設計し制御すべきなのでしょうか。私たちは、タスク固有の手の形態（モーフォロジー）と相補的な巧緻制御ポリシーを学習する共同設計（co-design）フレームワークを提案します。このフレームワークは、1) 関節・指・手のひらの生成を含む、広範な形態探索空間、2) 形態に条件付けされたクロス身体制御（cross-embodied control）による広い設計空間にわたるスケーラブルな評価、3) アクセス可能な部品による現実世界での製作、を支えます。私たちは、シミュレーションと実環境での実機展開の両方による、手内回転を含む複数の巧緻作業にわたってこの手法を評価しました。私たちのフレームワークにより、24時間未満で新しいロボットハンドを設計し、学習し、製作し、展開するエンドツーエンドのパイプラインが可能になります。完全なフレームワークはオープンソース化され、こちらのウェブサイトで利用可能になります: https://an-axolotl.github.io/HouseofDextra/ 。
デクストラの館：巧腕ハンドのための交差身体（クロス・ボディ）共同設計
arXiv cs.RO / 2026/4/2
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、「共同設計（co-design）」の枠組みを提案しており、タスク固有のロボットハンド形状（モルフォロジー）と、それに補完する巧腕的な制御ポリシーを同時に学習することで、巧みな操り（デクスタラス・マニピュレーション）を改善する。
- 関節、指、掌の生成を含む大規模なモルフォロジー探索空間を導入し、モルフォロジーに条件付けされた交差身体（クロス・エンボディド）制御により、多数のハンド設計に対するスケーラブルな評価を可能にする。
- 著者らは、ハンド・イン（手の中）での回転といった課題を含む、シミュレーションと実環境での運用結果を報告し、純粋にシミュレーションの設定を超えて枠組みの有効性を示す。
- エンドツーエンドのパイプラインは、利用可能な部品を用いて、設計・学習・製作・展開（デプロイ）を24時間以内に行うことで、新しいロボットハンドを生成するよう設計されている。
- 完全な枠組みはプロジェクトのWebサイト経由でオープンソース化する計画であり、設計からデプロイまでのワークフローをより再現可能にすることを目指す。
