マニピュレーション2026/6/1arXiv:2606.20712

接触リッチ操作のための超並列サンプリングベースMPCの実機展開

Real-World Deployment of Massively Parallel Sampling-Based MPC for Contact-Rich Manipulation

JAXとMuJoCo MJXを用いたサンプリングベースMPCを実機Frankaに展開し、Push-Tタスクでモード切替を要する場合に既存手法より優れることを示した。また、オンラインのドメインランダム化の効果を評価した。

詳しい要約

1. どんなもの？

- 接触の多いロボットマニピュレーション向けに、サンプリングベースMPC（SMPC）を実機展開した研究。 - JAXによる大規模並列化と高忠実度シミュレータMuJoCo MJXを組み合わせる。 - Franka Research 3上でPush-Tタスクをreal-to-sim-to-realパイプラインで実行する。

2. 先行研究と比べてどこがすごい？

- 従来のSMPC研究は簡略化ダイナミクスやシミュレーション内に留まることが多かった。 - 本研究は高忠実度シミュレータと実機を接続し、実世界展開を実現した点が新しい。 - モード切替を要するタスクで、MTP変種がCEM、MPPI、PSなどの単峰ベースラインを上回る。

3. 技術・手法の肝は？

- JAXによる大規模並列サンプリングとMuJoCo MJXによる高忠実度シミュレーションを統合。 - 構造化グローバルサンプリングを用いるMTP変種を採用。 - MPCのサンプル予算内でオンラインdomain randomizationを評価し、接触開始パラメータとグローバル物理パラメータの適応信号を比較。

4. どうやって有効だと検証した？

- Push-Tタスクをシミュレーションと実機（Franka Research 3）の両方で評価。 - MTP変種がCEM、MPPI、PSよりモード切替を要するタスクで優位であることを確認。 - オンラインdomain randomizationの信号を評価し、接触開始パラメータが解釈可能な適応信号を与える一方、グローバル物理パラメータは再計画頻度では弱すぎることを示した。

5. 議論はある？

- 接触に敏感なタスク、厳しい計算予算、リアルタイムでの情報に富むdomain randomization信号の取得困難性が課題として挙げられる。 - 接触開始パラメータは適応に有効だが、グローバル物理パラメータは典型的な再計画頻度では信頼できる活用が難しい。 - これらの知見は接触リッチなマニピュレーションにおけるSMPCの主要な課題を浮き彫りにする。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：CEM、MPPI、PS、MTP。 - 関連手法：Sampling-based Model Predictive Control (SMPC)、MuJoCo MJX、JAX。 - 同分野の定番：Model Predictive Control (MPC)、Domain Randomization、Sim-to-Real Transfer。

※ 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: Magnus Dierking, Joao Carvalho, An Thai Le, Georgia Chalvatzaki, Jan Peters

分類: cs.RO

原文アブストラクト

Sampling-based Model Predictive Control (SMPC) is a promising strategy for contact-rich robotic manipulation, combining gradient-free optimization with massively parallel GPU simulation. Yet, most prior work relies on simplified dynamics or remains confined to simulation. We present an MPC framework that leverages JAX for large-scale parallelization and efficient computation, coupled with the high-fidelity MuJoCo MJX simulator, and deploy it on a Franka Research 3 executing the Push-T manipulation task through a complete real-to-sim-to-real pipeline. The MTP variant with structured global sampling outperforms unimodal baselines such as CEM, MPPI, and PS across tasks that require mode switching, both in simulation and on hardware. Furthermore, we evaluate online domain randomization within the MPC sample budget, showing that contact-initiation parameters yield interpretable adaptation signals, whereas global physics parameters provide feedback that is too weak for reliable exploitation at typical replanning frequencies. These findings highlight key challenges for sampling-based MPC in contact-rich manipulation-contact sensitivity, tight compute budgets, and the difficulty of obtaining informative domain-randomization signals in real time.

arXivで原文を読む →arXiv概要ページ

接触リッチ操作のための超並列サンプリングベースMPCの実機展開

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