応力誘導強化学習による変形・壊れやすい物体の穏やかなSim-to-Realマニピュレーション

- 変形・破損しやすい物体（deformable and fragile objects）をロボットで優しく操作するための視覚ベース強化学習（vision-based reinforcement learning）手法の提案。 - 物体に加わる応力（stress）を罰則化した reward（stress-penalized reward）を導入し、破損を明示的に抑制する。 - 豆腐の把持・押し操作を対象に、simulation で学習した policy を real world へ zero-shot transfer する。

- 既存手法は正確な物体モデルや専用 sensor・gripper に依存し、複雑化・汎化性の欠如という課題があった。 - 本研究はそれらを使わず、vision-based RL と stress-penalized reward のみで damage-aware な操作を実現。 - 専用ハードや精密モデルを要さず汎化しやすい点が差分。

- stress-penalized reward により物体への損傷を明示的に回避する方策を学習。 - 学習の立ち上げ（bootstrap）のため offline demonstrations を活用。 - rigid proxies から deformables へ段階的に進む curriculum を設計。 - 観測は vision-based で、simulation 学習後に real world へ zero-shot transfer。

- simulation と real-world の両方で評価。 - simulation で学習した policy を zero-shot で実機に転移し、tofu の把持・押し操作を実施。 - vanilla RL policies と比較し、fragile objects への印加 stress を 36.5% 低減しつつタスク目標を達成。 - 学習された policy が damage-aware で gentle な操作を示すことを確認。

- 提案手法は damage-aware な gentle manipulation を示し、stress 低減とタスク達成を両立。 - ただし要旨からは、限界・失敗事例・汎化範囲・計算コストなどの詳細な議論は不明。 - 対象タスクは tofu の把持・押しに限定されており、他物体への一般性は要旨からは不明。

- 要旨で直接参照・比較されているのは vanilla RL policies と offline demonstrations を用いる手法群。 - 関連して読むべき候補として、sim-to-real transfer、curriculum learning、deformable object manipulation、reward shaping に関する研究が考えられる（具体名は要旨からは不明）。