物体操作の強化学習で新手法IWR、実機エアホッケー成功率60%に

何が起きたか

2026年6月10日にarXivに公開された論文で、物体操作の強化学習における新手法「Interaction-weighted Resampling (IWR)」が発表された。IWRは、相互作用前後の位相に焦点を当てたリサンプリングにより、標準的なCRL手法と比較してシミュレーションで平均19.8%の性能向上を達成した。さらに、シミュレーションから実機への転移により、実機のゴール条件付きロボットエアホッケーで成功率が25%から60%に改善したと報告されている。

詳細

論文は、物体操作のダイナミクスを区分的に滑らかなマルコフ過程として定式化し、相互作用によるモード変化が標準的なCRLのエネルギー関数では表現・計画が困難な非線形の到達可能性構造を生み出すと分析している。IWRは、相互作用の前・中・後の位相を中心に相互作用を意識したリサンプリングを行い、将来の到達可能性を決定するモード境界を表現が保持するように促す。これにより、2D動的制御、ロボット操作、ロボットエアホッケーなどの相互作用中心の環境で、サンプル効率と全体的な性能が向上したとされる。シミュレーションでの平均改善率は19.8%で、実機ではゴール条件付きロボットエアホッケーエージェントとして初めてゴールを達成できることを示し、成功率を25%から60%に改善した。

Key Facts

なぜ重要か

この研究は、物体操作における強化学習の性能を向上させる新しい手法を提示し、シミュレーションから実機への転移の成功例を示した。ロボットが実世界で物体を操作する能力は、製造業や物流など多くの分野で応用が期待されるため、今回の成果はロボットの実用化に向けた一歩となる。