DexFLEX、接触を考慮する基盤コントローラを発表　実ロボットで成功率78.3%

何が起きたか

DexFLEXは2026-10-09に公開された論文で、指先モーションの下書きを接触整合的な関節コマンドに変える「contact-aware foundation controller」を提案した。著者らは、現在の触覚・固有感覚状態から短い将来区間の候補動作を出し、その接触結果を予測して、指令に従いつつ将来の接触安定性を保つものを選ぶとしている。

詳細

推論時には、回復向けの純事前分布提案と、応答性を重視した下書き起点の提案を組み合わせる「Draft-Dream-Select」を使い、選ばれた動作を実行可能な関節空間ターゲットにデコードする。 同じ学習済みコントローラを、劣化指令シミュレーション、実世界の共有制御、視覚運動ポリシー学習に適用した結果、再学習なしでロバスト性が向上したとしている。著者らは、実世界のテレオペレーション成功率が29.2%から78.3%に、ポリシー学習成功率が46.7%になったとしている。

Key Facts

本紙の見方

DexFLEXの新規性は、指示された運動をそのまま追従するのではなく、接触の結果を先読みして関節コマンドを選ぶ点にある。ロボットハンドでは、動作そのものよりも接触の成否が結果を左右しやすく、ここを明示的に扱う設計が主題になっている。一方で、学習済みの同一コントローラを複数の設定にそのまま適用し、再学習なしで性能を改善したという点は、基盤モデル的な再利用性を狙う既定路線の延長とも読める。 本紙の見方では、重要なのは「手先軌道の再現」から「接触を壊さない短期計画」へ重心を移していることである。論文は、触覚・固有感覚に基づいて短い候補区間を生成し、接触結果を予測して選別する構造を取る。これは、入力が下流の関節制御に渡るまでの間に、接触という物理制約を挟み込む構成であり、単純な模倣や直接回帰よりも実機向きの制御層を目指しているとみられる。 したがって、現時点で読むべき論点は、性能指標の改善幅そのものより、どの条件でこの接触推論が効くのかにある。論文が示したのは劣化指令シミュレーション、実世界の共有制御、視覚運動ポリシー学習での改善だが、どの程度の接触多様性まで一般化するのか、未知の物体や異なる手先構造でも同じ手順が成立するのかは残る論点である。加えて、候補生成と接触予測の計算コスト、触覚入力の品質依存、実機での失敗モードの分解が確認される必要がある。

なぜ重要か

論文が示した29.2%から78.3%への改善が再学習なしで得られたなら、ロボットハンドの制御を「用途ごとの個別学習」から「共通コントローラの転用」に寄せられる可能性がある。特に、触覚・固有感覚を含む接触判断を前段に置く構成は、テレオペレーションと学習ベース制御の間をつなぐ実装として意味を持つ。

日本への影響

日本のロボットハンド開発では、指先の接触制御や触覚センサー統合が重要な論点であり、DexFLEXのように接触予測を関節命令に結び付ける設計は、実機調整の負担をどう下げるかという観点で参考になる可能性がある。