日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2509.14342

多脚ロボット群による分散協調物体輸送:ピンチ・リフト・ムーブの学習

Multi-Quadruped Cooperative Object Transport: Learning Decentralized Pinch-Lift-Move

シェア:XThreadsFacebookLINEはてブBluesky

腕付き四脚ロボット群が通信や集中制御なしに接触力だけで協調し、掴めない物体を持ち上げて運ぶ分散制御を階層的方策と報酬設計で実現した。

詳しい要約

1. どんなもの?

- アーム付き四足ロボット(N-quadruped robots with arm)のチームによる分散型協調搬送の研究。 - 対象は把持不可能な物体(ungraspable objects)を、物理的接触のみでpinch・lift・moveすること。 - ロボット間の通信や中央集権制御を用いず、接触力のみで協調する設定を扱う。

2. 先行研究と比べてどこがすごい?

- 先行研究はロボットと物体の剛体的な機械結合(rigid mechanical coupling)に依存していた。 - 本研究は機械的に独立したロボット同士が、通信・中央制御なしに接触力のみで協調する、より困難な設定に取り組む。 - 明示的な機械的制約なしに、剛体結合時のように振る舞わせる点が新規。

3. 技術・手法の肝は?

- 階層型ポリシー構成(hierarchical policy architecture)を採用し、base locomotionとarm controlを分離。 - constellation rewardを提案し、位置と姿勢のトラッキングを統合して剛体的な接触挙動を促す。 - 報酬設計とtraining curriculumにより、明示的な機械的制約なしに剛体接続を模倣させる。 - 共有ポリシーパラメータと暗黙的な同期手がかり(implicit synchronization cues)で協調し、再学習なしで任意のチームサイズにスケール。

4. どうやって有効だと検証した?

- シミュレーションで2〜10台のロボットによる搬送を、多様な物体形状・質量で検証。 - 軽量物体についてsim2real transferの結果を示す。 - 詳細な評価指標やベースライン比較は要旨からは不明。

5. 議論はある?

- 通信・中央制御なしの接触力のみの協調で剛体的挙動を実現する点を主張。 - チームサイズへのスケーラビリティとsim2realの可能性を示す。 - 限界や失敗事例、sim2realの対象が軽量物体に限られる点の議論は要旨からは不明。

6. 次に読むべき論文は?

- 剛体的機械結合を用いた先行の協調搬送研究(要旨で参照)。 - 分散型マルチロボット協調搬送の関連研究(具体名は要旨からは不明)。 - 階層型ポリシーやtraining curriculumを用いたロコマニピュレーションの定番研究。

※ 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: Bikram Pandit, Aayam Kumar Shrestha, Alan Fern

分類: cs.RO

原文アブストラクト

We study decentralized cooperative transport using teams of N-quadruped robots with arm that must pinch, lift, and move ungraspable objects through physical contact alone. Unlike prior work that relies on rigid mechanical coupling between robots and objects, we address the more challenging setting where mechanically independent robots must coordinate through contact forces alone without any communication or centralized control. To this end, we employ a hierarchical policy architecture that separates base locomotion from arm control, and propose a constellation reward formulation that unifies position and orientation tracking to enforce rigid contact behavior. The key insight is encouraging robots to behave as if rigidly connected to the object through careful reward design and training curriculum rather than explicit mechanical constraints. Our approach enables coordination through shared policy parameters and implicit synchronization cues - scaling to arbitrary team sizes without retraining. We show extensive simulation experiments to demonstrate robust transport across 2-10 robots on diverse object geometries and masses, along with sim2real transfer results on lightweight objects.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI