日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロコマニピュレーションarXiv:2506.09406

スクープ&トス:四足歩行システムによる動的な物体回収

Scoop-and-Toss: Dynamic Object Collection for Quadrupedal Systems

シェア:XThreadsFacebookLINEはてブBluesky

四足ロボットの脚にスクープ状のアタッチメントを付け、脚の俊敏性を活かして物体をすくい上げ背中のトレイに投げ入れる階層型ポリシーを提案した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットの脚を活用し、追加アクチュエータなしで物体を回収するフレームワーク - 片脚に simple な scoop-like add-on を取り付け、物体をすくって背上の collection tray に投げ入れる - 移動(locomotion)に加え、脚による動的物体操作(loco-manipulation)を拡張する研究

2. 先行研究と比べてどこがすごい?

- 従来の leg-based manipulation はボタン押しやドア開けなど比較的静的なタスクが中心 - 本研究は動的な物体回収(scoop と toss)という新タスクに取り組む点が新しい - 追加アクチュエータを必要とせず、脚の agility をそのまま操作に利用する点が特徴 - 単一タスクでなく複数物体の連続回収を目指す点で先行研究と異なる

3. 技術・手法の肝は?

- 階層的 policy 構造を採用 - 2つの expert policy: 1つは scooping と tossing、もう1つは approaching object positions を担当 - これらを切り替える meta-policy を用意 - expert policy を個別に学習した後、multi-object collection のための meta-policy を学習 - 脚先の scoop-like add-on と背上の collection tray がハードウェアの肝

4. どうやって有効だと検証した?

- 要旨からは不明(実験設定・評価指標・実機/シミュレーションの別は記述なし) - ただし expert policy の個別学習と meta-policy の協調学習という段階的学習手順が示されている

5. 議論はある?

- 要旨からは不明(限界・失敗事例・議論の詳細は記述なし) - 脚を locomotion 以外の動的物体操作に拡張できる可能性を主張している

6. 次に読むべき論文は?

- 要旨で参照/比較されている個別研究は明示されていない - 関連手法として leg-based loco-manipulation(脚によるボタン押し・ドア開け)の研究 - 階層的 policy や meta-policy を用いたロボット学習の定番手法(例: hierarchical reinforcement learning)を次に読む候補として挙げる

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Minji Kang, Chanwoo Baek, Yoonsang Lee

分類: cs.RO, cs.LG

原文アブストラクト

Quadruped robots have made significant advances in locomotion, extending their capabilities from controlled environments to real-world applications. Beyond movement, recent work has explored loco-manipulation using the legs to perform tasks such as pressing buttons or opening doors. While these efforts demonstrate the feasibility of leg-based manipulation, most have focused on relatively static tasks. In this work, we propose a framework that enables quadruped robots to collect objects without additional actuators by leveraging the agility of their legs. By attaching a simple scoop-like add-on to one leg, the robot can scoop objects and toss them into a collection tray mounted on its back. Our method employs a hierarchical policy structure comprising two expert policies-one for scooping and tossing, and one for approaching object positions-and a meta-policy that dynamically switches between them. The expert policies are trained separately, followed by meta-policy training for coordinated multi-object collection. This approach demonstrates how quadruped legs can be effectively utilized for dynamic object manipulation, expanding their role beyond locomotion.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI