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:2606.08555

FAWAM: 力覚を考慮した世界行動モデルによる閉ループ接触リッチ操作

FAWAM: Force-Aware World Action Models for Closed-Loop Contact-Rich Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

接触を伴う操作タスクにおいて、力覚情報を認識・予測・実行時補正の3段階で活用するモデルを提案し、成功率を大幅に向上させた。

詳しい要約

1. どんなもの?

- 接触を伴うロボットマニピュレーションのための **FAWAM** を提案。 - 力情報を **perception**, **prediction**, **closed-loop execution** の3段階で活用する **force-aware world action model**。 - 6軸の **force/torque** 信号を歴史としてエンコードし、行動生成を変調。 - 将来の行動と **end-effector wrenches** を同時予測し、接触の進展を明示的にモデル化。 - 予測した **wrench trajectory** を実行時参照として、リアルタイム力フィードバックで行動をオンライン修正する **residual correction module** を導入。

2. 先行研究と比べてどこがすごい?

- 既存手法は力を追加の観測モダリティとして使うのみで、将来の相互作用ダイナミクスのモデル化や実行時フィードバック修正に十分活用していなかった。 - FAWAM は力情報を **perception**, **prediction**, **closed-loop execution** の3段階で統合する点が新しい。 - 実世界の複数の接触リッチタスクで、**vision-only baselines** 比で平均成功率 **36.25%** 向上、既存の **force-aware baselines** 比で **21.25%** 向上。

3. 技術・手法の肝は?

- 歴史的な **6-axis force/torque** 信号をエンコードし、行動生成を変調する。 - 将来の行動と **end-effector wrenches** を同時に予測し、接触の進展を明示的にモデル化する **world action model**。 - 予測した **wrench trajectory** を実行時参照として、リアルタイム力フィードバックに基づき行動をオンラインで洗練する **residual correction module**。 - これらを組み合わせ、**closed-loop contact-rich manipulation** を実現。

4. どうやって有効だと検証した?

- 実世界の複数の接触リッチタスクで実験を実施。 - **vision-only baselines** と比較して平均成功率が **36.25%** 向上。 - 既存の **force-aware baselines** と比較して平均成功率が **21.25%** 向上。 - これにより、力対応フレームワークの有効性を実証。

5. 議論はある?

- 要旨からは不明。 - 限界や失敗事例、計算コスト、一般化性に関する議論は要旨では触れられていない。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究: **vision-only baselines**, **existing force-aware baselines**。 - 関連手法として、**world action models**, **force/torque-based manipulation**, **closed-loop contact-rich manipulation** の文献が挙げられる。 - 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: Haotian He, Zeyu Yan, Qipeng Liu, Ning Guo, Wenzhao Lian

分類: cs.RO

原文アブストラクト

Force signals provide critical interaction cues for contact-rich robotic manipulation. However, existing methods mostly use force as an additional observation modality, without fully exploiting its role in modeling future interaction dynamics or guiding execution-time feedback correction. In this paper, we propose FAWAM, a force-aware world action model that incorporates force information at three levels: perception, prediction, and closed-loop execution. FAWAM first encodes historical 6-axis force/torque signals to modulate action generation, then jointly predicts future actions and end-effector wrenches to explicitly model contact evolution. It further introduces a residual correction module that uses the predicted wrench trajectory as an execution-time reference to refine actions online based on real-time force feedback. Real-world experiments across multiple contact-rich tasks show that FAWAM improves the average success rate by 36.25% over vision-only baselines and 21.25% over existing force-aware baselines, demonstrating the effectiveness of our force-aware framework for robust contact-rich manipulation.

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