日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

組立/LLM/強化学習arXiv:2607.21227

FORGE-plus: 凍結LLM監督による力予算を考慮した密着組立の回復

FORGE-plus: Force-Budgeted Recovery for Contact-Rich Assembly with a Frozen LLM Supervisor

シェア:XThreadsFacebookLINEはてブBluesky

力条件付き強化学習による密着組立において、LLMが物体ごとの力上限を設定し、力の兆候に基づいて回復動作を選択する二層フレームワークを提案。シミュレーションで破損なしの挿入成功率と回復性能を実証した。

詳しい要約

1. どんなもの?

FORGE-plusは、力条件付き強化学習(RL)を用いた密嵌合組立タスクにおいて、物体ごとの力の上限を事前に決定し、挿入失敗からの回復を実現する2層フレームワーク。凍結されたテキストのみの大規模言語モデル(LLM)が実行前に物体ごとの力の上限を割り当て、固定アクションメニューから回復操作を選択する。低レベルコントローラが力の上限を強制し、回復ポリシーはそれを超えられない。隠れた破壊力閾値は評価者のみが知る。

2. 先行研究と比べてどこがすごい?

従来の力条件付きRLは、力の上限を事前に決定する必要があり、挿入失敗からの回復が困難だった。FORGE-plusは、LLMをスーパーバイザとして用いることで、物体ごとの適切な力の上限を自動的に割り当て、力の署名に基づく回復戦略を提供する点が新しい。また、LLMは直接力を制御せず、低レベルコントローラが力の上限を厳守するため、安全性が保証される。

3. 技術・手法の肝は?

手法の核は、2層構造とLLMの役割分離。LLMはテキストの力の署名(例: ピーク力、時間経過)を入力として、固定アクションメニューから回復操作を選択する。低レベルRLポリシーは力の上限を守りながら挿入を実行し、回復ポリシーは上限を変更できない。LLMは事前に力の上限を設定するが、実行中は介入しない。

4. どうやって有効だと検証した?

壊れやすいボトル配置と0.4mm径クリアランスのギア挿入を、2つのグリッパ(Robotiq 2F-140とFranka Panda hand)で評価。単一ポリシーが256/256エピソードを破損なしで成功し、リリースタイミングを正確に予測し、テーブルから挿入までのパイプラインで平均ピーク力5.4Nを達成。滑りが発生した場合、力署名回復戦略は2つのグリッパでそれぞれ40%と64%の失敗を解決したが、press-harderベースラインは効果がないか破損を引き起こした。また、PPOが厳格な力制約下でタスクを解けないなどの否定的結果も報告。

5. 議論はある?

議論としては、シミュレーションのみで検証されており、sim-to-realの主張はない。また、LLMの選択が常に最適とは限らず、固定アクションメニューに依存するため、予期しない状況への適応性に限界がある可能性。さらに、力の署名の表現方法やLLMのプロンプト設計が結果に影響する可能性が考えられるが、要旨からは詳細は不明。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、力条件付きRL、LLMを用いたロボット制御、接触リッチな組立タスクの研究が挙げられる。具体的には、Force-conditioned RLの基礎論文や、LLMをロボットタスクに応用した研究(例: SayCan, PaLM-E)が関連する。また、接触リッチな操作のためのRL手法(例: Residual RL, Adversarial Motion Priors)も関連するが、要旨に明示されていないため、一般名で示す。

※ 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: Kyupaeck Jeff Rah, Midum Oh

分類: cs.RO

原文アブストラクト

Force-conditioned reinforcement learning (RL) enables tight-clearance assembly under a commanded force ceiling, but practical deployment requires determining an appropriate force limit for each object and recovering from insertion failures without exceeding it. We present a two-layer framework in which a frozen, text-only large language model (LLM) assigns a per-object force ceiling before execution and selects recovery maneuvers from a fixed action menu using compact textual force signatures. The LLM never controls force directly: a low-level controller enforces the force ceiling, the recovery policy cannot increase it, and the hidden breaking-force threshold is known only to the evaluator. We evaluate the framework on fragile bottle placement and 0.4 mm diametral-clearance gear insertion using two grippers (Robotiq 2F-140 and Franka Panda hand). A single policy passes 256/256 evaluation episodes on both fragile and robust objects without breakage, correctly predicts release timing, and completes a full table-pick-and-insert pipeline with a mean peak force of 5.4 N. Under injected in-grip slip, the force-signature recovery strategy resolves 40% and 64% of failures on the two grippers, whereas a press-harder baseline is either ineffective or causes frequent breakage. We also report negative results, including the failure of PPO to solve the task under strict force constraints and unsuccessful learned release strategies. All experiments are conducted in rigid-body simulation with hidden force-threshold breakage; no sim-to-real claim is made.

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

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