Coordi-pi、両手巧緻操作向けの行動表現を提案　DexJoCoで成功率を改善

何が起きたか

arXivは2026年10月14日、論文「Coordi-pi: Coordination-Aware Dual-Hand Action Representation for Bimanual Dexterous Manipulation」を公開した。論文は、両手の巧緻操作を対象にした新しい行動表現「Coordi-π」を提案している。既存の両手VLA方策が左右の腕・手の動作を1つの行動ベクトルに連結していたのに対し、Coordi-πは左右を個別のアクショントークンとして交互に並べる設計である。

詳細

Coordi-πでは、学習可能なhand-identity embeddingで左右の手を区別し、sequence--control-timestep factorized RoPEで系列位置と制御タイムステップを分離する。これにより、同じ制御タイムステップに属する動作が同じ時間座標を共有しつつ、系列内では別々の位置を持てる構成になっている。 論文によると、DexJoCoの5つの両手巧緻操作タスクで、rand-obj条件では平均成功率がπ0.5の31.9%から51.3%に、rand-full条件では18.3%から32.3%に改善した。さらに、4つの実世界の両手巧緻操作タスクでも、Coordi-πはπ0.5を一貫して上回ったとしている。

Key Facts

本紙の見方

Coordi-πの新規性は、両手巧緻操作を「左右をまとめて1本の行動ベクトルとして出す」従来型の表現から、左右を別トークンに分解し、しかも交互配置と手の識別埋め込みで両者の関係を明示した点にある。単に出力次元を増やしたのではなく、同期と役割分担を表現空間の側で扱う設計であり、双腕・双手の制御を高次元なまま丸めずに表現する試みといえる。 この論文の位置づけは、VLAモデルの一般論を両手巧緻操作に持ち込む延長線上にあるが、重要なのはそのままでは交差する両手の相互作用が1つのベクトルに埋もれやすい、という前提に対する具体的な解き方を示した点である。DexJoCoでのrand-obj、rand-fullの双方で成功率が上がっていることは、単一条件の改善ではなく、対象物のランダム性や環境の変動を含む設定でも表現法が効いていることを示す。ただし、論文が示すのは主として表現と方策性能の比較であり、なぜこの表現が他の双腕タスク群でも同様に効くのか、あるいはどの難所で寄与が大きいのかまでは詰め切れていない。 業界構造への含意としては、両手ロボットの性能差が、アーキテクチャの大枠よりも「左右の同期をどう符号化するか」という表現設計に左右される可能性を示した点が大きい。実世界タスクでも一貫して上回ったという結果は、シミュレーション上の数合わせではなく、制御の表現形式が実機移行のボトルネックに関わることを示唆する。一方で、実機でのタスク数は4つに限られており、対象物の種類、把持失敗、接触の複雑さ、推論遅延がどこまで耐えられるかは未確定である。今後確認すべき論点は、より広い両手作業への一般化、既存VLA以外の制御系との比較、そして同じ表現が学習データ規模やロボット機構の違いにどこまで依存するかである。

なぜ重要か

両手ロボットでは、左右の協調を暗黙に学習させるだけでは性能が伸びにくい可能性がある。Coordi-πは、左右の役割と同期を表現層で分けて扱うことで、DexJoCoの5タスクと実世界4タスクでπ0.5を上回ったと論文が示しており、双腕操作の設計論に具体的な比較対象を与える。