マニピュレーション2026/2/1arXiv:2602.22088

力方策：接触リッチ操作のための相互作用フレーム下でのハイブリッド力・位置制御方策の学習

Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation

視覚で自由空間動作を導き、接触時には力フィードバックを用いた高頻度ローカル方策が相互作用フレームを推定してハイブリッド力・位置制御を行う、グローバル・ローカル視覚力方策を提案。

詳しい要約

1. どんなもの？

- 接触を伴う操作のための新しい学習ベースの制御ポリシー「Force Policy」を提案。 - 視覚と力覚を統合し、自由空間では視覚によるグローバルポリシー、接触時には力覚フィードバックを用いた高頻度ローカルポリシーでハイブリッド力位置制御を実行。 - 物理的に根拠のある「interaction frame」を定義し、デモンストレーションから復元する手法を提案。 - 実世界の多様な接触リッチタスクで評価し、接触安定性と実行品質を向上。

2. 先行研究と比べてどこがすごい？

- 既存の学習ベースポリシーは視覚と力覚の役割を単一ネットワークで混在させ、大域的汎化と局所的安定性のトレードオフがあった。 - 制御中心のアプローチは既知のタスク構造を仮定したり、コントローラパラメータのみを学習し構造自体は学習しなかった。 - 提案手法はinteraction frameを導入して力調整と運動実行を分離し、グローバル・ローカルポリシーを組み合わせることでこれらの問題を解決。 - 強力なベースラインと比較して、接触確立の堅牢性、力調整の精度、新規物体への汎化で一貫した改善を示す。

3. 技術・手法の肝は？

- 物理的に根拠のある「interaction frame」を定式化：瞬間的な局所基底で、力調整と運動実行を分離。 - デモンストレーションからinteraction frameを復元する手法を提案。 - グローバルポリシー：視覚を用いて自由空間の行動をガイド。 - ローカルポリシー：接触時に力覚フィードバックを用いて高頻度でinteraction frameを推定し、ハイブリッド力位置制御を実行。 - これにより、不確実性下での接触安定性を実現。

4. どうやって有効だと検証した？

- 実世界の多様な接触リッチタスクで実験を実施。 - 強力なベースラインと比較して、接触確立の堅牢性、力調整の精度、新規物体（多様な形状・物理特性）への汎化で一貫した改善を確認。 - 接触安定性と実行品質の両方が向上することを示した。

5. 議論はある？

- 要旨からは不明。 - ただし、提案手法が接触安定性と実行品質を改善することが示されている。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：既存の学習ベースポリシー、制御中心のアプローチ。 - 関連手法：hybrid force-position control、interaction frame、global-local vision-force policy。 - 同分野の定番：contact-rich manipulation、learning-based control、vision-force integration。

※ 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: Hongjie Fang, Shirun Tang, Mingyu Mei, Haoxiang Qin, Zihao He, Jingjing Chen, Ying Feng, Chenxi Wang, Wanxi Liu, Zaixing He, Cewu Lu, Shiquan Wang

分類: cs.RO

原文アブストラクト

Contact-rich manipulation demands human-like integration of perception and force feedback: vision should guide task progress, while high-frequency interaction control must stabilize contact under uncertainty. Existing learning-based policies often entangle these roles in a monolithic network, trading off global generalization against stable local refinement, while control-centric approaches typically assume a known task structure or learn only controller parameters rather than the structure itself. In this paper, we formalize a physically grounded interaction frame, an instantaneous local basis that decouples force regulation from motion execution, and propose a method to recover it from demonstrations. Based on this, we address both issues by proposing Force Policy, a global-local vision-force policy in which a global policy guides free-space actions using vision, and upon contact, a high-frequency local policy with force feedback estimates the interaction frame and executes hybrid force-position control for stable interaction. Real-world experiments across diverse contact-rich tasks show consistent gains over strong baselines, with more robust contact establishment, more accurate force regulation, and reliable generalization to novel objects with varied geometries and physical properties, ultimately improving both contact stability and execution quality. Project page: https://force-policy.github.io/

arXivで原文を読む →arXiv概要ページ

力方策：接触リッチ操作のための相互作用フレーム下でのハイブリッド力・位置制御方策の学習

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

OZ GAMING（GPU搭載BTOゲーミングPC）

双腕モバイルマニピュレーター OpenShell