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:2602.01731

不確実性を考慮した非把持マニピュレーション:物体による遮蔽下での移動マニピュレータ

Uncertainty-Aware Non-Prehensile Manipulation with Mobile Manipulators under Object-Induced Occlusion

シェア:XThreadsFacebookLINEはてブBluesky

物体に視界を遮られる状況で、衝突可能性の分布からリスクと不確実性を推定し、能動的な知覚を行いながら非把持マニピュレーションを強化学習で実現する手法を提案。

詳しい要約

1. どんなもの?

- 移動マニピュレータによる非把持マニピュレーション(non-prehensile manipulation)において、搭載センサの視界が操作対象物によって遮られる問題(object-induced occlusion)に対処する強化学習フレームワーク CURA-PPO を提案。 - 部分的観測下での不確実性を明示的にモデル化し、衝突可能性を分布として予測。リスクと不確実性を抽出して行動を導く。 - 不確実性項が能動的知覚(active perception)を促し、操作と情報収集を同時に行うことでオクルージョンを解消。 - 観測信頼性を捉える confidence maps と組み合わせ、深刻なセンサオクルージョン下でも安全なナビゲーションを実現。 - オブジェクトサイズや障害物配置を変えた広範な実験で、ベースラインより最大3倍の成功率を達成。

2. 先行研究と比べてどこがすごい?

- 従来の非把持マニピュレーションは、オクルージョンによる衝突リスクを明示的に扱わず、受動的な知覚に依存していた。 - CURA-PPO は衝突可能性を分布として予測し、リスクと不確実性を分離して活用する点が新しい。 - 不確実性を能動的知覚の駆動力として用い、操作しながらオクルージョンを解消する行動を学習。 - confidence maps を導入して観測信頼性を考慮し、安全なナビゲーションを可能にした。 - 実験で最大3倍の成功率向上を示し、従来手法より優れる。

3. 技術・手法の肝は?

- 強化学習(reinforcement learning)ベースのフレームワーク CURA-PPO を提案。 - 部分的観測下で衝突可能性を確率分布として予測し、その分布からリスク(期待値など)と不確実性(分散など)を抽出。 - 不確実性項を報酬または行動選択に組み込み、能動的知覚を促進。 - confidence maps を観測の信頼性表現として利用し、オクルージョン領域を考慮した安全な行動を生成。 - これにより操作と情報収集を同時に実行し、オクルージョンを解消しながらタスクを遂行。

4. どうやって有効だと検証した?

- オブジェクトサイズと障害物配置を変化させた広範な実験を実施。 - ベースライン手法と比較し、CURA-PPO が最大3倍高い成功率を達成。 - 学習された行動がオクルージョンに対処できることを示した。 - 搭載センサのみを用いた自律マニピュレーションの実用性を実証。

5. 議論はある?

- 要旨からは、手法の限界や失敗ケース、計算コスト、実機実験の詳細に関する議論は明示されていない。 - 今後の課題や倫理的影響についても要旨からは不明。

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(non-prehensile manipulation)、部分的観測下の強化学習(POMDP)、能動的知覚(active perception)、不確実性推定(uncertainty estimation)、PPO(Proximal Policy Optimization)などが挙げられる。 - 同分野の定番として、移動マニピュレーション(mobile manipulation)やオクルージョン対応のロボットナビゲーションに関する研究を読むと良い。

※ 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: Jiwoo Hwang, Taegeun Yang, Jeil Jeong, Minsung Yoon, Sung-Eui Yoon

分類: cs.RO

原文アブストラクト

Non-prehensile manipulation using onboard sensing presents a fundamental challenge: the manipulated object occludes the sensor's field of view, creating occluded regions that can lead to collisions. We propose CURA-PPO, a reinforcement learning framework that addresses this challenge by explicitly modeling uncertainty under partial observability. By predicting collision possibility as a distribution, we extract both risk and uncertainty to guide the robot's actions. The uncertainty term encourages active perception, enabling simultaneous manipulation and information gathering to resolve occlusions. When combined with confidence maps that capture observation reliability, our approach enables safe navigation despite severe sensor occlusion. Extensive experiments across varying object sizes and obstacle configurations demonstrate that CURA-PPO achieves up to 3X higher success rates than the baselines, with learned behaviors that handle occlusions. Our method provides a practical solution for autonomous manipulation in cluttered environments using only onboard sensing.

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

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