日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロコ操作/触覚/強化学習arXiv:2607.10132

TAC-LOCO: 触覚情報を活用した四足ロボットの全身ロコ操作の統合制御

TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

四足ロボットの動的ロコ操作において、触覚センサからの情報を潜空間表現に圧縮し、脚・腕・グリッパの統合制御に組み込む強化学習フレームワークを提案。実機でゼロショット展開し、把持力の低減と物体落下率の抑制を実証した。

詳しい要約

1. どんなもの?

TAC-LOCOは、四脚ロボットの全身動作と物体操作を統合する強化学習フレームワークである。触覚センサを搭載したコンプライアントグリッパーからの触覚アレイ観測を、コンパクトな潜在表現に符号化し、プロプリオセプションと統合して脚・アーム・グリッパーを統一的に制御する。動的なloco-manipulationタスクにおいて、物体との物理的相互作用を維持しながら全身動作を協調させることを目的とする。

2. 先行研究と比べてどこがすごい?

既存の触覚フィードバックを用いない研究では、物体をしっかりと把持する傾向があり、相互作用に応じて把持を調整することはなかった。TAC-LOCOは、触覚情報を動的な全身制御に組み込む点で新規性がある。また、把持安定性の報酬設計により、把持力の調整と物体の滑り防止を同時に学習する点が先行研究と異なる。

3. 技術・手法の肝は?

手法の核は、触覚アレイ観測を潜在表現に符号化するエンコーダと、プロプリオセプションと結合して脚・アーム・グリッパーを統一的に制御する強化学習ポリシーである。さらに、把持安定性を促進する報酬設計により、ポリシーは身体速度とエンドエフェクタ軌道の追跡、把持力の調整、物体の滑り防止を同時に学習する。

4. どうやって有効だと検証した?

Unitree Go2にInterbotix WidowX 250アームと触覚グリッパーを搭載し、ゼロショットでポリシーを展開した。動的な触覚情報を活用したloco-manipulationを様々な外部相互作用下で実証し、把持力を47%削減し、物体落下率を1%未満に抑えた。

5. 議論はある?

要旨からは、議論の詳細は不明である。ただし、ゼロショット展開の成功はシミュレーションと実機のギャップを克服していることを示唆するが、一般化や限界についての議論は要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている先行研究は明示されていないが、触覚センシングを用いたロボット操作の研究や、動的loco-manipulationのための強化学習に関する論文が関連する。具体的には、触覚フィードバックを用いた操作や、四脚ロボットの全身制御に関する研究が挙げられる。

※ 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: Muqun Hu, Yuhao Zhou, Kabir Ray Malik, Chi Lin, Won Suk Lee, Yu She, Yan Gu

分類: cs.RO

原文アブストラクト

Dynamic loco-manipulation requires legged robots to coordinate whole-body motion while maintaining stable physical interaction with grasped objects under uncertain external forces. While tactile sensing has been widely studied for robotic manipulation, its role in dynamic whole-body control remains largely unexplored. Existing works without tactile feedback commonly grasp firmly rather than regulate the grasp according to the interaction. We propose TAC-LOCO, a tactile-augmented unified reinforcement learning framework that encodes tactile array observations from compliant grippers into a compact latent representation and joins it with proprioception for unified control of the legs, arm, and gripper. With effective grasp stability reward design, the policy learns to simultaneously track body velocity and end-effector trajectories, moderate grasp force, and prevent object slip under both gradual load changes and sudden release events. We deploy the policy zero-shot on a Unitree Go2 with an Interbotix WidowX 250 arm and tactile gripper, demonstrating dynamic tactile-informed loco-manipulation under varying external interactions, achieving a 47% reduction in grasping force and an object drop rate of less than 1%.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXO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
  3. 3newmo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
  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