HANDS 2026課題で2位、単発の軌道ワープで把持動作を生成する手法を提示

何が起きたか

arxiv.orgは2026-09-18、HANDS 2026 Workshop Challenge-Dexterous Grasp Motion Trackに対する2位解法として、Single-Shot Trajectory Warping for Grasp Motion Generationを掲載した。対象は12自由度のLinkerHand O6で、未見物体に対する実現可能なリーチから把持までの軌道生成を扱う課題である。著者らは、約70回の12次元意思決定を逐次積み上げる代わりに、1回の観測から12次元のワープを出力し、成功デモをオープンループ再生する方式を採った。

詳細

手法は、GraspM3の単一の成功デモを編集する設計である。ポリシーは対象物を1回観測し、その観測に基づいてデモの12次元ワープを出力し、以後は逐次制御ではなくオープンループで再生する。訓練では4,824個の物体を並列に用いてone-step PPOを学習した。 性能は、easy trackで94.61%の成功率を記録し、これは提出全体で最高だった。private test setのhard trackでは57.18%だった。

Key Facts

本紙の見方

この発表の新しさは、把持動作を逐次制御の連鎖として解くのではなく、単一の成功デモを観測後に12次元のワープとして編集する点にある。約70回の12次元判断を積み上げる方式は誤差蓄積に弱いが、ここでは一度の観測に圧縮してからオープンループで再生するため、問題設定そのものを別の表現に置き換えている。つまり、同じ把持生成でも「何を毎ステップ選ぶか」から「どのデモをどう変形するか」へ主軸を移した解法である。 本紙の見方では、これは実世界ロボットの一般的な制御理論というより、デモンストレーションの再利用を中心にした生成枠組みの提案である。HANDS 2026という課題設定では、未見物体、ランダム初期姿勢、シミュレーション上の物理差という条件が明示されており、著者らの手法はその不確実性を逐次制御で追うのでなく、成功例の編集で吸収しようとしている。4,824個の訓練対象を並列に使ってone-step PPOを回した点も、長い軌道の各ステップ最適化ではなく、変形ルールの学習に寄せた構図を示す。 一方で、今回の結果だけでは、この方式がどこまで汎化するかはまだ切り分けが必要である。easy trackで94.61%という高い成功率は示されたが、hard trackは57.18%にとどまるため、物体形状や物理条件が厳しくなる局面でデモ編集がどこまで耐えるかが焦点になる。加えて、GraspM3デモの選び方、ワープ表現の制約、オープンループ再生の失敗条件は本文からは十分に読み切れない。今後は、どの物体群で性能が落ちるのか、ワープの自由度を増減した場合に成功率がどう変わるのかを確認する必要がある。

なぜ重要か

著者らは、未見物体に対する把持動作生成を、逐次制御ではなく単一デモの編集として定式化したと示している。これは、長い軌道で誤差が累積しやすい課題に対して、学習対象を「動作列」ではなく「変形量」に絞る設計が有効かどうかを検討する材料になる。 また、4,824個の物体を並列に使ったone-step PPOと、easy track 94.61%、hard track 57.18%という成績は、課題の難易度が上がると性能差が残ることを示す。実用化の観点では、どの条件でオープンループ再生が破綻するかを見極めることが重要になる。