日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2511.10874

フローマッチング共生成による協調マルチロボット非把持マニピュレーション

Collaborative Multi-Robot Non-Prehensile Manipulation via Flow-Matching Co-Generation

シェア:XThreadsFacebookLINEはてブBluesky

視覚観測から接触形態と操作軌道をフローマッチングで共生成し、匿名マルチロボット運動計画と統合することで、混雑環境での複数物体の協調非把持操作を実現するフレームワークを提案。

詳しい要約

1. どんなもの？

- 複数ロボットが clutter 環境で複数物体を non-prehensile に再配置する協調 manipulation の統一フレームワーク - flow-matching co-generation と anonymous multi-robot motion planning を統合 - 視覚観測から contact formation と manipulation trajectory を共生成 - 同じ planner で object-level の割当(物体を大きな target structure へ)も扱い、robot-level と object-level の推論を単一アルゴリズムで統合 - コードとデモは gco-paper.github.io

2. 先行研究と比べてどこがすごい？

- 先行手法は「タスク全体を学習」か「privileged information と hand-designed planner に依存」の両極端に分かれ、多様な物体や long-horizon タスクに弱い - 本研究は generative co-design と integrated planning により、複数 agent・複数物体設定へのスケールを狙う - 具体的な優位性の数値は要旨からは不明だが、motion planning と manipulation の両タスクで baselines を上回ると報告

3. 技術・手法の肝は？

- flow-matching に基づく generative model が視覚観測から contact formation と manipulation trajectory を co-generate - anonymous multi-robot motion planning の新規 planner でロボットをスケールさせて誘導 - 同一 planner を object-level の coordination にも用い、操作物体をより大きな target structure へ割り当て - robot-level と object-level の推論を単一のアルゴリズム枠組みに統合する点が肝

4. どうやって有効だと検証した？

- 挑戦的な simulated environments での実験 - motion planning と manipulation の両タスクで baselines と比較し、提案手法が上回ることを示す - 具体的な指標・データセット名・被験者数などは要旨からは不明

5. 議論はある？

- generative co-design と integrated planning が複雑な multi-agent・multi-object 設定へのスケールに有効である点を議論 - 限界・失敗事例・実機検証の有無・計算コストなどは要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている prior approaches(タスク全体を学習する手法、privileged information と hand-designed planner を用いる手法)の代表論文 - flow-matching の生成モデルに関する基礎論文 - anonymous multi-robot motion planning の関連研究 - non-prehensile manipulation の定番研究 - 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: Yorai Shaoul, Zhe Chen, Mohamed Naveed Gul Mohamed, Federico Pecora, Maxim Likhachev, Jiaoyang Li

分類: cs.RO, cs.MA

原文アブストラクト

Coordinating a team of robots to reposition multiple objects in cluttered environments requires reasoning jointly about where robots should establish contact, how to manipulate objects once contact is made, and how to navigate safely and efficiently at scale. Prior approaches typically fall into two extremes -- either learning the entire task or relying on privileged information and hand-designed planners -- both of which struggle to handle diverse objects in long-horizon tasks. To address these challenges, we present a unified framework for collaborative multi-robot, multi-object non-prehensile manipulation that integrates flow-matching co-generation with anonymous multi-robot motion planning. Within this framework, a generative model co-generates contact formations and manipulation trajectories from visual observations, while a novel motion planner conveys robots at scale. Crucially, the same planner also supports coordination at the object level, assigning manipulated objects to larger target structures and thereby unifying robot- and object-level reasoning within a single algorithmic framework. Experiments in challenging simulated environments demonstrate that our approach outperforms baselines in both motion planning and manipulation tasks, highlighting the benefits of generative co-design and integrated planning for scaling collaborative manipulation to complex multi-agent, multi-object settings. Visit gco-paper.github.io for code and demonstrations.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →