何が起きたか
arXivは2026年11月15日、複数のアームとハンドにまたがる器用把持ポリシー「DexFormer 2.0」の論文を掲載した。論文によると、4本のアームと6種類のハンドからなる18組で学習し、学習に含まれる組み合わせで安定把持成功率89%、未学習の6組で51%を達成した。物理試験ではFlexiv製アームを用い、2種類のハンドでシミュレーションからのゼロショット転移を報告している。
詳細
手やアームによって関節数・配置・動特性が異なるため、観測値と操作指令を共通化しにくい点に対し、DexFormer 2.0は各ロボットを有効性マスク付きの共通関節表現に写像する。関節の形態情報を運動学ツリーに基づく注意機構で扱い、Transformer-XLのメモリーで直近の相互作用から機体ごとの動特性を推定する構成だという。 論文は、追加学習なしで新しい4種類のハンドによる把持を報告し、リターゲティングを介した平行グリッパーでの把持も示した。Flexiv製アームでの物理試験では、学習済みポリシーを蒸留した学生モデルが、未学習の組を含む2種類のハンドへシミュレーションからゼロショット転移したとしている。
Key Facts
| DexFormer 2.0は、4本のアームと6種類のハンドによる18組で学習したと論文は報告した。 | [1] |
| 安定把持成功率は、学習に含まれる組み合わせで89%、未学習の6組で51%だった。 | [1] |
| 追加学習なしで4種類の新しいハンドに対応し、リターゲティングを介して平行グリッパーでも把持したと報告した。 | [1] |
| Flexiv製アームを用いた物理試験で、2種類のハンドへのシミュレーションからのゼロショット転移を報告した。 | [1] |
本紙の見方
この論文の焦点は、把持性能の単純な上積みではなく、アームとハンドの組み合わせごとに別々のポリシーを用意する前提を、共通の関節表現と履歴情報でどこまで崩せるかにある。18組で学習し、未学習の6組で51%の安定把持成功率を得たという結果は、組み合わせの異なる機体間で転移が成立する可能性を示す。一方、未学習組での成功率は学習済み組の89%を下回っており、異なる機体に広げれば性能が保たれる、という結果ではない。 本紙が報じたFlexiv、IROS 2026で力制御型の適応ロボットを展示は、学会展示を通じた力制御とAIのデモに焦点を置いていた。今回の論文は展示内容の続報とは限らず、Flexiv製アームを物理試験に使った上で、シミュレーションから複数ハンドへの転移を検証する研究成果として位置づけるべきだ。両者は、Flexivのロボットが異なる形で技術実証に使われた点では接続するが、論文がFlexivの製品機能や事業展開を示すものではない。 技術面では、共通関節表現が機体差をどう吸収するか、直近の相互作用を使うメモリーが動特性の推定に寄与するか、運動学ツリーの情報が未知構成への転移に効くかが、再現性を左右する論点となる。論文はアブレーションでメモリー、運動学ツリーに基づく注意機構、組み合わせの広さがそれぞれ転移に重要だとしている。これは、単に学習データを増やすだけでなく、機体構造を表す方法と、実行中に得た情報をポリシーへ取り込む方法を一体で設計する方向を示す。 ただし、物理試験として記されたのはFlexiv製アームと2種類のハンドであり、実環境での適用範囲をそのまま多機種へ一般化することはできない。成功率の試行数や条件、把持対象の範囲、実機での反復運用時の安定性、別のアームでの物理検証は、公開された要旨からは確認できない。次に見るべきなのは、未学習構成での成績がどの条件で再現されるかと、シミュレーションから実機への転移がハンド以外の機体差にも広がるかである。
なぜ重要か
論文が示した未学習の6組での安定把持成功率は51%であり、組み合わせごとに個別ポリシーを用意する方式に対し、共通ポリシーの転移可能性を具体的に評価する材料となる。もっとも、Flexiv製アームでの物理試験は2種類のハンドに限られるため、異なる実機構成での再現性が適用範囲を判断する条件となる。
