建設現場の接触リッチ組立でゼロショット学習を実現 拡散ポリシーと適応制御を組み合わせた新フレームワーク

何が起きたか

2026年8月22日にarXivで公開された論文で、建設現場の接触リッチなロボット組立をゼロショット学習で実現するフレームワークが発表された。このフレームワークは、シミュレーションで生成したポーズと力/トルクデータで訓練した拡散ポリシーと、L1適応制御を組み合わせ、モデル化されていない接触ダイナミクスをオンラインで補正する。木材接合、配管接続、実規模トラス組立の各タスクで評価し、単一タスク組立で100%、連続トラス組立サブタスクで90〜100%の成功率を達成した。

詳細

フレームワークは、シミュレーション生成のポーズと力/トルクデータで訓練した拡散ポリシーと、L1適応制御を組み合わせる。L1適応制御は、ポリシーが予測したアクションをオンラインで補正し、未モデル化の接触ダイナミクスを補償する。評価は木材接合、配管接続、実規模トラス組立の3タスクで実施。単一タスク組立では100%の成功率、連続トラス組立サブタスクでは90〜100%の成功率を達成し、ベースラインと比較して接触力が低く安定していた。ゼロショットのシミュレーションから実機への転移を可能にし、実世界データ収集のコストと労力を削減する。

Key Facts

本紙の見方

本フレームワークの新規性は、接触リッチな組立タスクにおいてゼロショットのシミュレーションから実機への転移を実現した点にある。従来、接触を伴う組立は実世界データの収集が不可欠であり、コストと労力が課題だった。本手法はシミュレーション生成データのみで訓練した拡散ポリシーを、L1適応制御でオンライン補正することで、未モデル化の接触ダイナミクスを吸収し、実機での高い成功率を達成している。これは、建設ロボティクスにおけるデータ収集のボトルネックを解消する可能性を秘めており、多段階組立の自動化を前進させる。 業界構造への含意として、建設現場の組立工程は、木材接合、配管接続、トラス組立など多岐にわたる。本手法はこれらのタスクで高い成功率を示しており、建設ロボティクスの適用範囲を広げる。特に、実世界データ収集の負担を減らすことで、中小規模の建設現場への導入障壁を下げる可能性がある。また、拡散ポリシーと適応制御の組み合わせは、他の接触リッチな操作タスクにも応用可能であり、ロボットの汎用性を高める。 一方で、未確定の論点として、実現場での長期的な耐久性や、より複雑な組立タスクへの拡張性が挙げられる。論文では単一タスクとトラス組立のサブタスクで評価されているが、実際の建設現場では、環境の変化や部品のばらつきがより大きい可能性がある。また、L1適応制御のパラメータ調整や、拡散ポリシーの訓練データの多様性が、実用化に向けてどの程度影響するかは今後の検証が必要である。

なぜ重要か

建設業界は労働力不足と生産性向上が課題であり、ロボットによる自動化が期待されている。本手法は、実世界データ収集の負担を減らしつつ、接触リッチな組立を高い成功率で実現することで、建設ロボティクスの実用化を後押しする。ゼロショット転移の実証は、他の接触操作タスクへの応用も示唆しており、ロボットの汎用性向上に寄与する。