マニピュレーション2026/9/25arXiv:2609.32064

Grasp2Twist: 強化学習による両手巧みな瓶の蓋開けの学習

Grasp2Twist: Learning Bimanual Dexterous Jar Opening by Reinforcement Learning

強化学習を用いて両手で瓶の蓋を掴んで回して開けるタスクを学習するシステムを提案し、実機へゼロショット転移で88%の成功率を達成した。

詳しい要約

1. どんなもの？

- 二本腕の多指ハンドで瓶の蓋を掴み、回して開けるタスクを強化学習で学習するシステム Grasp2Twist を提案。 - 多段階タスク（把持→ひねり）を単一ポリシーで学習し、sim-to-real 転移も目指す。 - 実機で6種類の家庭用容器（peanut-butter, vitamin, instant-coffee など）に対し88%の成功率を達成。

2. 先行研究と比べてどこがすごい？

- 従来の多段階マニピュレーション学習は段階ごとにポリシーを分けることが多く、単一ポリシーでの学習は困難だった。 - 把持形成と把持→ひねり遷移を幾何学的指標でガイドする点が新しい。 - 指の接触再構成（finger gaiting）を強化学習で獲得し、持続的な蓋回しを実現。 - zero-shot で実機に転移し、高い成功率を示した点が先行研究と比べて優れる。

3. 技術・手法の肝は？

- 物体中心と手のひら・指先が作る凸包との幾何関係から、連続的な enclosure measure と二値の enclosure indicator を導出。 - 前者で把持形成を、後者で把持からひねりへの遷移をガイドし、単一ポリシー学習を可能にする。 - 運動学的制約により固定接触では蓋を大きく回せないため、指の接触再構成が必要。 - 3段階カリキュラムで接触変化の探索を促進し、sim-to-real のロバスト性も向上。

4. どうやって有効だと検証した？

- 学習したポリシーが finger gaiting を示し、接触を再構成して蓋回転を持続させることを確認。 - zero-shot で物理システムに転移し、6種類の家庭用容器で88%のタスク成功率を達成。 - アブレーションにより、幾何学的 enclosure が把持形成に、カリキュラムが接触再構成探索に果たす役割を検証。

5. 議論はある？

- 幾何学的 enclosure 指標とカリキュラムが把持形成と接触再構成探索に有効であることをアブレーションで示す。 - 一方、失敗事例や限界、他のタスクへの一般化については要旨からは不明。 - sim-to-real のギャップやカリキュラム設計の詳細な議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として、bimanual dexterous manipulation、reinforcement learning、sim-to-real transfer、finger gaiting、curriculum learning の定番論文を挙げる。

※ 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: Mo Xu, Yunfu Deng, Jianuo Wang, Josiah Hanna, Bilge Mutlu

分類: cs.RO

原文アブストラクト

This paper presents Grasp2Twist, a bimanual dexterous manipulation system that learns to grasp and twist open jar lids using reinforcement learning. Learning this task raises three challenges: learning a unified policy for a multi-stage task, sustaining lid twisting, and sim-to-real transfer. To address the first challenge, we introduce a continuous enclosure measure to guide grasp formation and a binary enclosure indicator to guide the grasp-to-twist transition for unified policy learning. We derive both from the geometric relationship between the object center and the convex hull formed by the hand's palm and fingertips. Kinematic constraints limit how far the hand can rotate the lid with fixed contacts, so sustained twisting requires finger contact reconfiguration. We use a three-stage curriculum to facilitate exploration of these contact changes and also improve robustness for sim-to-real transfer. With our approach, the learned policy demonstrates finger gaiting, reconfiguring hand-object contacts to sustain lid rotation. It transfers zero-shot to the physical system and achieves an 88% task success rate across six household containers, including peanut-butter, vitamin, and instant-coffee jars. Ablations further validate the roles of the geometric enclosure in grasp formation and the curriculum in contact-reconfiguration exploration.

arXivで原文を読む →arXiv概要ページ

Grasp2Twist: 強化学習による両手巧みな瓶の蓋開けの学習

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

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell