GRASP、接触を伴うロボット動作の物理ベース再ターゲティング手法を提案

何が起きたか

arXiv掲載論文は2026年11月3日、GRASPを発表した。OakInk2の両手動作デモ1,352件で92.8%の成功率を報告し、器用な手とヒューマノイドを対象に、接触ダイナミクス下で人間の動作を再現するロボット制御を求める。

詳細

GRASPは、過去のロールアウトを保存したデータから局所的な二次コストモデルを作り、その勾配をマルコフ連鎖モンテカルロ法の更新に用いる。GRASP-TOはこの手法を温度付き逐次モンテカルロ法に組み込み、メトロポリス・ヘイスティングス補正で各固定提案カーネルの目標分布を保つ。微分可能なシミュレーターは必要としない。 長い動作には、ウォームスタートを用いた再計画型のGRASP-MPCを適用する。論文は、タスク固有の接触報酬を使わない共通の追跡目的での再ターゲティングに加え、ペン回しやヒューマノイドと物体の相互作用におけるPPO追跡の改善、実機での器用な操作と全身動作を示した。

Key Facts

本紙の見方

今回の技術的な焦点は、接触を含む動作再ターゲティングで、微分可能なシミュレーターに依存せずに勾配情報を利用する点にある。勾配を直接計算する代わりに、保存済みロールアウトから局所二次コストモデルを当てはめる。したがって、過去の試行を探索資源として使い、サンプリングの候補更新を誘導する設計と読める。接触報酬をタスクごとに設計しない共通追跡目的で、手とヒューマノイド双方の動作を扱うという報告も、この設計の射程を示している。 処理の連鎖は、デモ動作の参照、シミュレーション上のロールアウト蓄積、局所モデルによる勾配回復、サンプリング更新、再ターゲティング済み参照によるPPO追跡学習となる。長い動作ではGRASP-MPCがウォームスタート付きの再計画を担う。つまり論文の寄与は単一の制御器に限らず、過去の試行から参照動作を整え、後段の追跡学習につなぐ最適化手順にある。メトロポリス・ヘイスティングス補正を置く点は、勾配誘導を加えながら目標分布を保つ設計上の制約でもある。 評価値はOakInk2の両手動作1,352件に対する92.8%の成功率だが、この数値だけでは成功判定の条件や他手法との差、計算コストは分からない。論文はペン回しとヒューマノイド・物体の相互作用でPPO追跡の改善を報告し、実機での操作と全身動作も示す。一方、要旨には実機での定量評価、動作ごとの成績、必要なロールアウト数、異なる形状や接触条件への汎化範囲は記されていない。実装上の適用性を判断するには、これらの条件と、実機実演がどの程度再現可能かを確認する必要がある。

なぜ重要か

論文は、タスク固有の接触報酬を用いずに手やヒューマノイドの動作を再ターゲティングし、OakInk2の両手動作1,352件で92.8%の成功率を報告した。接触報酬を個別に設計する手間を避けられる可能性を示す一方、成功率の条件や実機での定量性能は要旨からは判断できず、適用範囲の検証が必要だ。