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:2509.21256

BiNoMaP: カテゴリーレベルの両腕非把持マニピュレーションプリミティブの学習

BiNoMaP: Learning Category-Level Bimanual Non-Prehensile Manipulation Primitives

シェア:XThreadsFacebookLINEはてブBluesky

一人称視点の動画から両腕の非把持動作(押す・つつく・回す・包むなど)を抽出し、幾何学的に最適化してカテゴリーレベルの汎化と異なるロボットへの転移を可能にするRL不要のフレームワークを提案。

詳しい要約

1. どんなもの?

本論文は、把持を伴わない非把持マニピュレーション(pushing, poking, pivoting, wrapping など)を、双腕ロボットで扱うための枠組み BiNoMaP を提案する。単腕や壁・エッジなどの環境支持に頼らず、汎用性の高い dual-arm 構成を前提に、Bimanual Non-prehensile Manipulation Primitives の一式を確立することを目指す。さらに、RL ベースの主流手法から離れ、構造化された非把持スキルを学習する three-stage の RL-free フレームワークを提示する。カテゴリレベルの汎化と cross-embodiment transfer を狙う点が特徴である。

2. 先行研究と比べてどこがすごい?

- 先行研究では単腕セットアップや壁・エッジ等の環境支持に依存する設定が多く、非把持操作は接触が多く解析的に扱いにくいため未開拓だった。 - 本研究は dual-arm 構成を採用し、環境支持に頼らない汎用性の高い設定を主張する。 - 主流の RL ベース手法とは異なり、RL-free の three-stage フレームワークで構造化スキルを学習する点が新しい。 - 学習した primitive を物体の幾何属性(主に size)でパラメータ化し、形状差の大きい未見インスタンスへ適応するカテゴリレベル汎化を狙う。 - 同一 primitive を運動学的構成の異なる 2 台の実 dual-arm プラットフォームへ再設計なしで展開できる cross-embodiment transfer を示す点が先行研究と異なる。

3. 技術・手法の肝は?

- three-stage の RL-free フレームワークを採用する。 - 第一段階として、egocentric video demonstrations から双腕の hand motion trajectories を抽出する。 - 得られた粗い軌道は知覚ノイズや形態的差異を含むため、geometry-aware post-optimization algorithm で、事前定義された motion patterns に整合する実行可能な manipulation primitives へ精錬する。 - カテゴリレベル汎化のため、学習した primitive を物体関連の幾何属性、主に size でパラメータ化し、形状変動の大きい未見インスタンスへ適応させる。 - 同一 primitive を異なる運動学構成の実 dual-arm プラットフォームに展開可能とする構造を採用する。

4. どうやって有効だと検証した?

- 多様な物体と空間配置を含む extensive real-robot experiments を実施した。 - 実ロボット実験により、提案手法の effectiveness、efficiency、strong generalization capability を示したと報告している。 - 同一 primitive を運動学的構成の異なる 2 台の実 dual-arm プラットフォームに展開し、cross-embodiment transfer を検証した。 - 具体的なタスク数、試行回数、比較ベースライン、評価指標などの詳細は要旨からは不明。

5. 議論はある?

- 非把持操作は接触が多く解析的に扱いにくい問題であり、本手法は RL-free で構造化スキルを学習する立場を取る。 - egocentric video 由来の粗い軌道に含まれる知覚ノイズや形態的差異を、geometry-aware post-optimization でどの程度吸収できるかが論点になり得る。 - 物体の幾何属性(主に size)によるパラメータ化で、形状変動の大きい未見インスタンスへどこまで汎化できるかが議論点。 - cross-embodiment transfer の成立条件や限界、RL ベース手法との定量的比較は要旨からは不明。 - 実験規模や失敗事例、接触リッチ操作の安全性に関する議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で直接参照・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、非把持マニピュレーションの RL ベース研究、単腕 non-prehensile manipulation、dual-arm manipulation、egocentric video からの imitation learning、cross-embodiment transfer に関する研究を次に読む候補として挙げる。 - 具体的な論文名は要旨からは不明。

※ 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: Huayi Zhou, Kui Jia

分類: cs.RO

原文アブストラクト

Non-prehensile manipulation, encompassing ungraspable actions such as pushing, poking, pivoting, and wrapping, remains underexplored due to its contact-rich and analytically intractable nature. We revisit this problem from two perspectives. First, instead of relying on single-arm setups or favorable environmental supports (e.g., walls or edges), we advocate a generalizable dual-arm configuration and establish a suite of Bimanual Non-prehensile Manipulation Primitives (BiNoMaP). Second, departing from prevailing RL-based approaches, we propose a three-stage, RL-free framework for learning structured non-prehensile skills. We begin by extracting bimanual hand motion trajectories from egocentric video demonstrations. Since these coarse trajectories suffer from perceptual noise and morphological discrepancies, we introduce a geometry-aware post-optimization algorithm to refine them into executable manipulation primitives consistent with predefined motion patterns. To enable category-level generalization, the learned primitives are further parameterized by object-relevant geometric attributes, primarily size, allowing adaptation to unseen instances with significant shape variations. Importantly, BiNoMaP supports cross-embodiment transfer: the same primitives can be deployed on two real-world dual-arm platforms with distinct kinematic configurations, without redesigning skill structures. Extensive real-robot experiments across diverse objects and spatial configurations demonstrate the effectiveness, efficiency, and strong generalization capability of our approach.

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