日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2610.20968

SOMA: 四足歩行ロボットによる積み重ね物体の全身マニピュレーション

SOMA: Stack-of-Objects Manipulation using a Quadruped Robot

シェア:XThreadsFacebookLINEはてブBluesky

四足歩行ロボットが専用マニピュレータなしで、高さ制御を活用した3次元プッシュにより複数物体の積み重ねを全身で操作する階層型強化学習フレームワークを提案し、シミュレーションで高い成功率と実機へのゼロショット転移を実証した。

詳しい要約

1. どんなもの?

- 四足歩行ロボットによる多物体スタックの全身非把持マニピュレーションを実現する階層型強化学習フレームワークSOMAを提案。 - 従来の2次元平面押し操作を超え、ロボットのベース高さ制御を明示的に統合し、3次元押し戦略を可能にする。 - 複雑なペイロードスタックを統合システムとして操作し、上層の相対滑りや転倒を防ぐ。 - 高レベル操作ポリシーと低レベル歩行ポリシーに制御を分解。 - シミュレーションで単一物体再配置90.3%、動的2箱スタック90.1%の成功率を達成。 - Unitree Go1四足ロボットでゼロショットsim-to-real転移を検証。

2. 先行研究と比べてどこがすごい?

- 従来手法は2次元平面押し操作に限定されていたが、SOMAはベース高さ制御を統合し3次元押し戦略を可能にした。 - 多物体スタックを統合システムとして操作し、上層の滑りや転倒を防ぐ点が新しい。 - 階層型強化学習により、長期的な時間履歴を考慮した操作と動的な脚配置適応を実現。 - 厳しい誤差マージン(位置0.05m、姿勢1°)での高い成功率を達成。 - ゼロショットsim-to-real転移を実証し、多様なペイロード質量と形状に対応。

3. 技術・手法の肝は?

- 階層型強化学習フレームワーク:高レベル操作ポリシーと低レベル歩行ポリシーに分解。 - 高レベル操作ポリシーはSimplified Structured State Space Sequence (S5) エンコーダを用いて長期的な時間履歴を推論し、Beta分布を介して有界な目標追跡コマンドを予測。 - 低レベル歩行ポリシーは脚のスタンス構成を動的に適応。 - ロボットのベース高さ制御を明示的に統合し、3次元押し戦略を実現。 - 多物体スタックを統合システムとして操作するための全身非把持マニピュレーション。

4. どうやって有効だと検証した?

- 広範なシミュレーションベンチマークで評価。 - 単一物体再配置で90.3%の成功率、動的2箱スタックで最大90.1%の成功率を厳しい誤差マージン(位置0.05m、姿勢1°)で達成。 - Unitree Go1四足ロボットを用いてゼロショットsim-to-real転移を検証。 - 多様なペイロード質量と形状に対して、重い押し操作中に牽引力とバランスを維持するための能動的なベース高さ調整を実証。

5. 議論はある?

- 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や関連手法は明示されていない。 - 同分野の定番として、四足歩行ロボットのマニピュレーションに関する研究(例:Whole-body manipulation, Non-prehensile manipulation, Hierarchical reinforcement learning for legged robots)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: Stergios E. Bachoumas, Panagiotis Artemiadis

分類: cs.RO, cs.AI

原文アブストラクト

Executing heavy-duty physical manipulation in unpredictable environments remains a major challenge for quadrupedal robots lacking dedicated manipulators. This paper presents SOMA, a hierarchical reinforcement learning framework for whole-body non-prehensile manipulation of multi-object stacks using a quadruped robot. Unlike traditional methods restricted to two-dimensional planar pushing, SOMA integrates explicit robot base-height control, unlocking full three-dimensional pushing strategies. This capability enables the quadruped to manipulate complex payload stacks as a unified system while preventing relative sliding or tipping of upper layers. The architecture factorizes control into a high-level manipulation policy using a Simplified Structured State Space Sequence (S5) encoder to reason over long-horizon temporal history and predict bounded target tracking commands via Beta distributions, and a low-level locomotion policy that dynamically adapts leg stance configurations. In extensive simulation benchmarks, SOMA achieves a $90.3\%$ success rate for single-object reposing and up to $90.1\%$ for dynamic two-box stacks under stringent error margins ($0.05\text{ m}$ position error, $1^\circ$ orientation error). Finally, we validate zero-shot sim-to-real transfer on a Unitree Go1 quadruped robot across diverse payload masses and geometries, demonstrating active base-height adjustments to maintain traction and balance during heavy pushing tasks.

関連論文

  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

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