日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2508.08328

脚式マニピュレータによる動的物体把持のための全身協調

Whole-Body Coordination for Dynamic Object Grasping with Legged Manipulators

シェア:XThreadsFacebookLINEはてブBluesky

四脚ロボットとマニピュレータを用いた動的物体把持のベンチマークDQ-Benchと、特権情報を活用する教師-生徒フレームワークDQ-Netを提案し、動的環境での把持性能を大幅に向上させた。

詳しい要約

1. どんなもの?

- 四脚ロボットにマニピュレータを搭載した legged manipulator による、動的物体 grasping の研究。 - 既存研究が静的物体 grasping に偏っている点を問題視し、動的 target への適用を狙う。 - 新 benchmark「DQ-Bench」を導入し、物体の運動・速度・高さ・種類・地形複雑性を変化させて体系的に評価。 - 併せて teacher-student framework「DQ-Net」を提案し、限られた知覚手がかりから grasp configuration を推論する。

2. 先行研究と比べてどこがすごい?

- 先行研究は主に static-object grasping に集中しており、dynamic target の課題を扱っていなかった。 - 本研究は dynamic grasping を体系的に評価する DQ-Bench を新たに構築した点が異なる。 - DQ-Net は privileged information を用いる teacher と、target mask・depth map・proprioceptive state のみで動く student を組み合わせる点が特徴。 - 実験では baseline 手法に対し success rate と responsiveness の両面で大幅に上回ったと報告。

3. 技術・手法の肝は?

- DQ-Net は compact な teacher-student framework。 - Teacher network は privileged information を活用し、target の静的な幾何特性と動的な運動特性を統合的にモデル化。 - grasp fusion module を組み込み、motion planning への robust な guidance を生成。 - Student network は lightweight で、target mask・depth map・proprioceptive state のみを用いた dual-viewpoint temporal modeling により closed-loop な action 出力を実現。 - privileged data に依存せず動作可能。

4. どうやって有効だと検証した?

- DQ-Bench 上で extensive experiments を実施。 - 物体運動・速度・高さ・物体種類・地形複雑性を変化させた複数の task settings で評価。 - DQ-Net が複数設定で robust な dynamic object grasping を達成。 - baseline 手法と比較し success rate と responsiveness で大幅に優位であることを示した。

5. 議論はある?

- 要旨からは不明。 - ただし dynamic scenarios として logistics sorting や human-robot collaboration への適用可能性に言及。 - 既存研究の静的物体偏重が動的場面での適用を制限している点を課題として提示。

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な先行研究名は記載なし。 - 関連手法として teacher-student framework、privileged information を用いる学習、grasp fusion module、dual-viewpoint temporal modeling が挙げられる。 - 同分野の定番として legged manipulator の whole-body control や visual servoing に関する研究を次に読む候補として検討。

※ 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: Qiwei Liang, Boyang Cai, Rongyi He, Hui Li, Tao Teng, Haihan Duan, Changxin Huang, Runhao Zeng

分類: cs.RO

原文アブストラクト

Quadrupedal robots with manipulators offer strong mobility and adaptability for grasping in unstructured, dynamic environments through coordinated whole-body control. However, existing research has predominantly focused on static-object grasping, neglecting the challenges posed by dynamic targets and thus limiting applicability in dynamic scenarios such as logistics sorting and human-robot collaboration. To address this, we introduce DQ-Bench, a new benchmark that systematically evaluates dynamic grasping across varying object motions, velocities, heights, object types, and terrain complexities, along with comprehensive evaluation metrics. Building upon this benchmark, we propose DQ-Net, a compact teacher-student framework designed to infer grasp configurations from limited perceptual cues. During training, the teacher network leverages privileged information to holistically model both the static geometric properties and dynamic motion characteristics of the target, and integrates a grasp fusion module to deliver robust guidance for motion planning. Concurrently, we design a lightweight student network that performs dual-viewpoint temporal modeling using only the target mask, depth map, and proprioceptive state, enabling closed-loop action outputs without reliance on privileged data. Extensive experiments on DQ-Bench demonstrate that DQ-Net achieves robust dynamic objects grasping across multiple task settings, substantially outperforming baseline methods in both success rate and responsiveness.

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. 2GXO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
  3. 3newmo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
  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