日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2610.17161

力変調巧緻性：接触の多い操作のための統一的コンプライアンス

Force-Modulated Dexterity: Unified Compliance for Contact-Rich Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

接触を伴う巧緻な操作において、動作と接触力を統一的に扱うコンプライアンス制御手法FOMO-Dexを提案し、カードピッキングや紙切り、ネジ締め、ナット・ボルト組立で過剰な接触力を低減し、教示データの質と方策学習の成功率を向上させた。

詳しい要約

1. どんなもの？

- 接触を伴う器用な操作のための遠隔操作データ収集を支援する枠組み - 名称は Force-Modulated Dexterity (FOMO-Dex) - 名目動作を task geometry と contact structure で定義される座標で表現 - 選択した方向に力駆動の動作補正を加え、残りの指令成分は変更しない - 対象タスクは card picking, paper cutting, screwdriving, nut-and-bolt assembly

2. 先行研究と比べてどこがすごい？

- 従来の stiff control と比較して過剰な接触力を低減 - 操作者はロボットの接触を感じにくくても微妙な力調整を再現しやすい - 短い練習後、1時間あたりの成功実演データ収集量が増加 - 生の操作者指令を模倣するより、補正後動作の模倣で card-picking 成功率が向上 - FOMO-Dex 実演で学習した方策は nut-and-bolt と screwdriving でより多くの回転を達成

3. 技術・手法の肝は？

- 名目動作を task geometry と contact structure に基づく座標で表現 - 選択方向に沿って力駆動の動作補正を適用 - 残りの指令成分はそのまま保持する unified compliance formulation - 接触力の過剰を抑えつつ動作と接触力を協調 - 詳細な制御則やパラメータは要旨からは不明

4. どうやって有効だと検証した？

- card picking, paper cutting, screwdriving, nut-and-bolt assembly の4タスクで評価 - stiff control と比較し過剰接触力の低減を確認 - ユーザスタディで短い練習後の時間あたり成功実演数増加を確認 - 方策学習で card-picking 成功率、nut-and-bolt と screwdriving の回転量を比較 - 動画は https://yingyuan0414.github.io/fomo-dex/ で公開

5. 議論はある？

- 操作者が接触を感じにくい遠隔操作での力調整の難しさを扱う - 力駆動補正が実演データ品質と方策性能に与える影響を議論 - 過剰接触力低減と操作効率の両立を示す - 限界や失敗事例、一般化可能性は要旨からは不明

6. 次に読むべき論文は？

- stiff control を用いた遠隔操作・実演収集の関連研究 - 接触を伴う manipulation の compliance control - 遠隔操作による demonstration 収集と imitation learning - card picking, paper cutting, screwdriving, nut-and-bolt assembly に関する先行研究 - 要旨で参照・比較されている個別論文は要旨からは不明

※ 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: Ying Yuan, David Held, Jitendra Malik, Haozhi Qi

分類: cs.RO, cs.AI

原文アブストラクト

Teleoperation is widely used to collect high-quality demonstrations for robot learning. Dexterous manipulation, however, requires coordinated control of motion and contact forces. Operators can specify motion, but struggle to reproduce the subtle force adjustments of human manipulation without feeling the robot's contacts. We introduce Force-Modulated Dexterity (FOMO-Dex), a unified compliance formulation for contact-rich manipulation. FOMO-Dex expresses nominal actions in coordinates defined by task geometry and contact structure. It applies force-driven motion corrections along selected directions while leaving the remaining command components unchanged. Across card picking, paper cutting, screwdriving, and nut-and-bolt assembly, FOMO-Dex reduces excessive contact forces compared with stiff control. A user study shows that operators collect more successful demonstration data per hour after brief practice. For policy learning, imitating the corrected actions improves card-picking success over imitating raw operator commands. Policies trained on FOMO-Dex demonstrations also achieve more rotation in nut-and-bolt manipulation and screwdriving than those trained on demonstrations collected with the stiff controller. Videos are shown on https://yingyuan0414.github.io/fomo-dex/ .

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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

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
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →