把持不要の投擲ロボット、強化学習で成功率97% 最大350cm先へ

何が起きたか

2026年9月1日、arXivに投稿された論文で、ロボットが物体を把持せずに投げる「非把持投擲」を強化学習で実現する手法が発表された。提案手法は、滑りや転がりの接触モードを活用し、解析的な接触モデルやカスタムパラメータ化を必要とせず、関節空間の軌道を直接最適化する。実機ではUR5eを用い、最大350cmの距離、180cmの高さまで、重さ790g、大きさ20x20x28cmの物体を含む多様な物体を投擲し、97%の実世界成功率を達成した。

詳細

提案手法は、マルコフ決定過程(MDP)を、投擲目標・物体モデル・初期配置に条件付けられたロボットの関節状態を発展させる力学系として定式化する。関節ジャーク軌道は低い制御レートでオフライン計画され、高レートの滑らかな速度指令にアップサンプリングされる。シミュレーションから実機への転送では、最小ジャークシステム同定によりロボットのダイナミクスギャップを最小化し、物体モデリング誤差(特に動摩擦への感度)を軽減する不確実性を考慮したポリシーを訓練する。シミュレーションでは数千の構成で99%の成功率を達成し、未見の物体にも汎化する。感度分析では、質量の不確実性にはロバストだが動摩擦には高感度であることが示された。実機では、エンドエフェクタ速度5m/sという物理的限界近くで動作するUR5eにゼロショット展開され、97%の成功率を記録した。

Key Facts

本紙の見方

本手法の新規性は、非把持投擲を強化学習で解いた点にある。従来のモデルベース最適化は、単純化された接触モデルと低次元の軌道パラメータ化に依存し、解の質と到達可能な作業空間が制限されていた。これに対し、提案手法は滑り・転がりの接触モードを明示的に活用し、解析的接触モデルなしで関節空間の軌道を直接最適化する。これにより、従来の把持ベースの投擲では扱いにくい大型・重量・変形物体への適用が可能になる。 本手法の核心は、シミュレーションから実機への転送にある。最小ジャークシステム同定と不確実性を考慮したポリシー訓練により、ロボットのダイナミクスギャップと物体モデリング誤差を軽減している。特に、動摩擦への高感度は、滑りベースのリリース機構に起因する。この点は、実世界でのロバスト性を高める上で重要な課題であり、摩擦係数の正確な推定や適応的な制御が今後の焦点となる。 業界構造への含意として、非把持投擲は物流や製造現場での高速な物体搬送に応用できる可能性がある。従来のピックアンドプレースでは到達できない範囲への搬送が可能になり、ロボットの作業空間を拡張する。また、把持が不要なため、エンドエフェクタの簡素化や、把持が困難な物体への対応が期待される。 未確定の論点として、実機での成功率97%は特定の条件下での結果であり、物体の種類や環境の変化に対する汎化性はまだ限定的である。また、投擲の精度(到達位置の誤差)や、動摩擦への感度を実運用でどう補償するかが今後の検証課題となる。さらに、提案手法の計算コストや、より高速な投擲への拡張性も確認が必要である。

なぜ重要か

この研究は、ロボットの物体操作において、把持に依存しない新たな搬送手段を切り開く。物流や製造現場での高速搬送や、危険物・変形物の取り扱いに応用できる可能性があり、ロボットの作業範囲と柔軟性を大きく広げる。