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:2509.03859

脚式移動マニピュレータによる多段階ピックアンドプレースの学習

Learning Multi-Stage Pick-and-Place with a Legged Mobile Manipulator

シェア:XThreadsFacebookLINEはてブBluesky

四足歩行ロボットによる移動マニピュレーションの多段階ピックアンドプレースタスクをシミュレーションで視覚運動ポリシーとして学習し、実世界で約80%の成功率を達成した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットによる mobile manipulation の研究 - 多段階の pick-and-place タスクを設定 - search, approach, grasp, transport, drop を含む一連の動作 - visuo-motor policy を simulation のみで学習 - 実世界で約80%の成功率を達成 - 実世界実験で ablation study を実施 - 効率的な学習と sim-to-real transfer の鍵となる手法を検証 - 屋内・屋外の多様な環境での展開も実証

2. 先行研究と比べてどこがすごい?

- 四足歩行型 mobile manipulation は技能の多様性・長いタスク horizon・partial observability が課題 - 本研究はこれらを捉える多段階 pick-and-place を簡潔かつ十分に豊かな設定として提示 - simulation のみで visuo-motor policy を学習し、実世界で約80%成功 - re-grasping や task chaining といった創発的行動が出現 - 具体的な先行研究との比較は要旨からは不明

3. 技術・手法の肝は?

- visuo-motor policy を simulation のみで end-to-end に学習 - 多段階タスク(search, approach, grasp, transport, drop)を単一 policy で遂行 - 実世界展開のため sim-to-real transfer を重視 - ablation study で効率的学習と sim-to-real transfer の鍵となる技法を特定 - 個々のアルゴリズム名や network 構成は要旨からは不明

4. どうやって有効だと検証した?

- 実世界での extensive な実験を実施 - 約80%の成功率を報告 - ablation study により効率的学習・sim-to-real transfer の重要技法を検証 - 屋内・屋外の多様な環境での deployment 実験 - 詳細な評価指標や試行タスク数は要旨からは不明

5. 議論はある?

- re-grasping や task chaining の創発的行動を報告 - 屋内・屋外環境への展開可能性を示唆 - partial observability や長いタスク horizon への対処が議論の対象 - 失敗事例や限界、sim-to-real gap の詳細は要旨からは不明

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 sim-to-real transfer、visuo-motor policy learning、legged mobile manipulation の定番研究を挙げる - プロジェクトページ https://horizonrobotics.github.io/gail/SLIM の参照文献を確認するのが有用

※ 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: Haichao Zhang, Haonan Yu, Le Zhao, Andrew Choi, Qinxun Bai, Yiqing Yang, Wei Xu

分類: cs.RO

原文アブストラクト

Quadruped-based mobile manipulation presents significant challenges in robotics due to the diversity of required skills, the extended task horizon, and partial observability. After presenting a multi-stage pick-and-place task as a succinct yet sufficiently rich setup that captures key desiderata for quadruped-based mobile manipulation, we propose an approach that can train a visuo-motor policy entirely in simulation, and achieve nearly 80\% success in the real world. The policy efficiently performs search, approach, grasp, transport, and drop into actions, with emerged behaviors such as re-grasping and task chaining. We conduct an extensive set of real-world experiments with ablation studies highlighting key techniques for efficient training and effective sim-to-real transfer. Additional experiments demonstrate deployment across a variety of indoor and outdoor environments. Demo videos and additional resources are available on the project page: https://horizonrobotics.github.io/gail/SLIM.

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