何が起きたか
arxiv.orgは2026-09-25、Imp-ACT（Adaptive Impedance Control and Action Chunking with Transformers）を掲載した。手法は、デモ収集中に自己調整型のインピーダンス制御で動作方向に応じた剛性を調整し、視覚・運動・力覚の観測とともに記録する。Wipingとplug insertionで評価し、固定低剛性・高剛性のベースラインと比べて、成功率は同等以上を保ちながら接触力を抑えた。
詳細
Imp-ACTは、手動での剛性選択やオフラインの目標再構成を使わず、デモンストレーション取得の段階で方向依存のCartesian stiffness modulationを組み込む設計である。ACTを用いて、エンドエフェクタ姿勢、グリッパー動作、動作方向の剛性を、視覚・固有感覚・wrench観測から予測する。 論文は、wipingで接触力の振動を可撓性ベースライン比で約29倍、剛性ベースライン比で約180倍低減したとしている。plug insertionでは、挿入方向に直交する力を、より良い固定剛性ベースライン比で43%削減したとしている。
Key Facts
| Imp-ACTは、デモ収集中に方向依存のCartesian stiffness modulationを直接取り込む手法である。 | [1] |
| 手法名は「Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations」である。 | [1] |
| ACTを用いて、エンドエフェクタ姿勢、グリッパー動作、動作方向の剛性を予測する。 | [1] |
| 評価対象は wiping と plug insertion である。 | [1] |
| wipingでは、接触力の振動を可撓性ベースライン比で約29倍、剛性ベースライン比で約180倍低減した。 | [1] |
| plug insertionでは、挿入方向に直交する力を、より良い固定剛性ベースライン比で43%削減した。 | [1] |
本紙の見方
Imp-ACTの新しさは、接触制御を推論時だけの調整ではなく、デモンストレーション収集の段階に織り込んだ点にある。固定低剛性と固定高剛性のどちらかを後から選ぶのではなく、動作方向に沿う剛性は確保しつつ、それ以外の方向は順応性を残す設計で、接触を伴う作業の学習データそのものを変えている。 この点は、単にACTを使った模倣学習というより、制御則と学習入力を一体化した構成だと読める。視覚だけでなく固有感覚やwrench観測を同時に使い、姿勢・把持・剛性をまとめて予測するため、接触状態がタスク成功に直結するwipingやplug insertionのような作業に焦点が置かれている。論文が示した29倍、180倍、43%という差は、剛性を固定したままでは接触力の変動を抑えにくいことを示す一方、方向別の剛性制御を学習パイプラインに入れる設計が有効だったことを示唆する。 本紙の見方では、これはロボット制御の新規アルゴリズムというだけでなく、実機データの作り方を変える提案である。手動での剛性選択やオフライン目標再構成を不要にすることで、データ収集工程の再現性と実用性をどこまで高められるかが焦点になる。もっとも、本文から確認できるのは wiping と plug insertion の結果までで、別種の接触作業への一般化、データ量、学習時間、推論時の計算負荷は示されていない。今後は、他の接触作業への適用範囲、固定剛性制御との比較条件、実機導入時の制御遅延が確認点になる。
なぜ重要か
接触を伴う組立や挿入、拭き取りのような作業では、軌道追従だけでなく力の出し方が成否を左右する。Imp-ACTは、論文の主張どおりなら、剛性を固定せずに作業方向ごとに調整しながらデモを集めることで、その課題に直接向き合う構成だといえる。