日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

投擲/強化学習arXiv:2607.06388

多障害物環境での安全な物体投擲の学習

Learning to Throw Objects Safely in Multi-Obstacle Environments

シェア:XThreadsFacebookLINEはてブBluesky

ロボットが障害物を避けながら目標のかごに物体を投げ入れる問題を扱い、ポテンシャル場表現を用いた強化学習で成功率90%を達成した。

詳しい要約

1. どんなもの?

本論文は、障害物がランダムに配置された環境で、ロボットが物体をターゲットのバスケットに安全に投げ入れる問題を扱う。提案手法は、ポテンシャル場状態表現(PFR)を用いて、バスケットへの引力と障害物からの斥力を固定サイズのグリッドに符号化し、強化学習(RL)ポリシーが任意の数の障害物構成に一般化できるようにする。ポリシーはkinesthetic demonstrationsで初期化され、SAC、DDPG、TD3の3つのRLアルゴリズムでシミュレーション最適化される。実機実験では、未見の物体と障害物環境で最大90%の成功率を達成し、sim-to-real転送の堅牢性を示す。

2. 先行研究と比べてどこがすごい?

既存のTossingBotなどのアプローチは、視覚入力から投擲戦略を学習するが、障害物のない環境を仮定している。本研究は、障害物が存在する散らかった環境での投擲を初めて扱い、ポテンシャル場表現を導入することで、障害物の数や配置に依存しない一般化を実現している。また、明示的な状態エンコーディングと比較して、高い成功率と未見の障害物構成へのスケーラビリティを示す点が優れている。

3. 技術・手法の肝は?

手法の核は、ポテンシャル場状態表現(PFR)である。これは、バスケットへの引力と障害物からの斥力を組み合わせたポテンシャル場を、固定サイズのグリッド上に符号化する。この表現により、障害物の数や配置が変化しても、入力次元が一定になり、RLポリシーの一般化が容易になる。ポリシーは、kinesthetic demonstrationsで初期化され、シミュレーションでSAC、DDPG、TD3を用いて最適化される。特にSACが最も一貫した性能を示す。

4. どうやって有効だと検証した?

有効性の検証は、シミュレーションと実機の両方で行われる。シミュレーションでは、PFRを明示的な状態エンコーディングと比較し、成功率と未見の障害物構成へのスケーラビリティを評価した。実機実験では、未見の投擲物体を用いて、散らかった環境で最大90%の成功率を達成し、sim-to-real転送の堅牢性を確認した。

5. 議論はある?

要旨からは、PFRの限界や、特定の障害物配置での失敗事例、他のRLアルゴリズムとの比較詳細、実機実験の条件(物体の種類、障害物の数など)に関する議論は不明である。また、ポテンシャル場表現が局所最適に陥る可能性や、動的障害物への拡張性などについての考察は要旨に含まれていない。

6. 次に読むべき論文は?

要旨で参照されているTossingBot、および比較対象のRLアルゴリズム(SAC、DDPG、TD3)に関する論文が次に読むべきである。また、ポテンシャル場表現の関連研究として、人工ポテンシャル場法を用いた経路計画の論文も関連する。

※ 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: Mohammadreza Kasaei, Klemen Voncina, Hamidreza Kasaei

分類: cs.RO, cs.CV, cs.LG

原文アブストラクト

Robotic throwing enables fast and efficient object placement beyond the robot's immediate workspace, but reliable throwing in cluttered environments remains underexplored. Existing approaches, such as TossingBot, learn throwing strategies from visual input but assume obstacle-free settings. In this paper, we address the problem of throwing objects into a target basket while avoiding obstacles placed randomly in the scene. We introduce a potential field state representation that compactly encodes both basket attraction and obstacle repulsion on a fixed-size grid, enabling reinforcement learning (RL) policies to generalize across arbitrary numbers and configurations of obstacles. The policy is initialized from kinesthetic demonstrations and optimized in simulation using three state-of-the-art RL algorithms (SAC, DDPG, TD3). Among these, SAC achieves the most consistent performance across scenarios. We compare the potential field representation against explicit state encodings and demonstrate that it achieves higher success rates and better scalability to unseen obstacle configurations. Real-robot experiments with unseen throwable objects confirm robust sim-to-real transfer, achieving up to $90\%$ success in cluttered scenes. These results demonstrate that PFR provides a practical and robust representation for safe and efficient robotic throwing in unstructured environments. A video showcasing our experiments is available at: https://youtu.be/ZZnJf8ua2dE

  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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

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