DexHOT、手と物体の配置関係を移す巧緻操作手法を発表

何が起きたか

arXivに2026年11月3日掲載の論文「DexHOT: Learning Hand-Object Configuration Transfer for Dexterous Manipulation」は、手の関節形状と手首に対する物体姿勢を組み合わせた配置関係を、実行可能な構成間で移す手法を提示した。DexHOTBenchの120物体を使った評価では、単一ポリシーの転送成功率が既知物体で80.5%、未知物体で69.4%となった。実物の巧緻手では200回の転送で成功率61.5%、デモンストレーションを用いた6タスクでタスク成功率90%を報告した。

詳細

DexHOTは、物体の姿勢や軌道だけで目標を指定するのではなく、手の関節形状と手首に対する物体姿勢を含む「手と物体の構成」を目標として定式化する。人の参照動作を使わず、実行可能な構成ペアを合成して、関係条件付きの再利用可能な転送プリミティブを学習する。長い行動は、構成の小目標を閉ループで追跡して組み立てる。 論文要旨によると、DexHOTBenchには120物体が含まれ、既知物体と未知物体でそれぞれ80.5%、69.4%の転送成功率を得た。実機評価では200回の転送に対する成功率が61.5%、デモンストレーションに基づく6タスクのタスク成功率が90%だった。

Key Facts

本紙の見方

DexHOTの要点は、巧緻操作の目標を物体の位置・姿勢だけで表すのではなく、手の関節形状と手首に対する物体姿勢を合わせた構成として扱う点にある。物体を所定位置へ運ぶだけでは、次の操作に使える接触を保つ手の置き方まで指定できないという課題に対し、手と物体の関係そのものを転送単位にする設計である。これは単一の把持姿勢を再現する方式ではなく、実行可能な構成ペアから関係条件付きの転送プリミティブを学習し、複数の小目標を閉ループで追う構成を採る。 評価値には、シミュレーションと実機、また転送とタスク実行という異なる尺度が並ぶ。DexHOTBenchでは既知物体80.5%に対し未知物体は69.4%で、差は11.1ポイントである。物体が未知の場合にも一定の転送成功を報告した一方、既知物体と同等の成績ではない。実機の200回の転送成功率61.5%は、ベンチマーク上の成績と同一条件ではないため、数字だけを並べて性能差の原因を判断することはできない。6タスクの成功率90%も、転送成功率とは別の指標として読む必要がある。 構成関係を明示する設計は、ロボットが接触状態を保ちながら物体を扱う行動を、目標指定と再利用の両面から組み立てるインターフェースになり得る。特に、人の参照動作を用いず合成した実行可能な構成ペアから学習する点は、学習データの作り方を検討するうえで重要だ。ただし、要旨に記載された結果だけでは、構成ペアの生成条件や対象物体の内訳、実機の手の仕様、成功判定の定義、比較手法との条件差までは確認できない。実環境での接触変化や物体の多様性に対する再現性を判断するには、これらの評価条件と失敗例、長期行動での成績を確かめる必要がある。

なぜ重要か

物体の姿勢だけでなく手の形も目標に含めるため、後続操作に使える接触を含めて巧緻操作を設計できる可能性がある。人の参照動作なしで学習したベンチマーク結果と、200回の実機転送・6タスクの評価を併記した点は、手法の検証範囲を読む際の具体的な根拠となる。