NeuralActuator、ロボットのアクチュエータ動特性を学習 外力推定も実現

何が起きたか

研究チームは2026年7月13日、arXivにてNeuralActuatorを発表した。これは、ロボットのアクチュエータ動特性を学習し、トルク予測、外力推定、モーター状態評価を同時に行う手法である。5-DoFのOpenManipulator-X、6-DoFのSO-101（LeRobot）、7-DoFのFranka Emika Pandaで検証され、データセットとコードが公開されている。

詳細

NeuralActuatorは、低コストサーボプラットフォーム向けに、トルク代理モデル、接触確率ゲートによる外力推定、モーター状態評価の3つを同時に予測する。トルク代理モデルは、関節トルクの実測値なしに、ポーズ軌跡から微分可能シミュレーションを用いて学習される。Transformerが時間依存性を捉え、リアルタイム推論を可能にする。検証では、約500ドルから3万ドル以上のコスト帯のロボットが使用され、低コストプラットフォームでは物理的に妥当な動力学と外力評価が可能であることが示された。また、オフラインのFranka実験ではペイロード力推定のベンチマークが提供され、モーター状態推定と、NeuralActuatorを事前学習モジュールとして用いた行動クローニングの性能向上が実証された。

Key Facts

本紙の見方

今回の発表は、ロボット工学におけるシミュレーションと実機のギャップ（sim-to-real gap）に取り組むものである。特に、低コストのサーボプラットフォームでは、電流とトルクの線形関係が摩擦や熱などの影響で崩れるため、従来のモデルでは誤差が生じやすい。NeuralActuatorは、このような非線形なアクチュエータ動特性をデータ駆動で学習することで、シミュレーションの精度を高め、外力推定やモーター状態評価までを一つのモデルで実現している点が新しい。 本紙の過去報道（2026年2月16日付『Google、ブラウザ上で動作するGemini搭載ロボットシミュレーターの構築方法を公開』）では、Franka Emika Pandaを制御するシミュレーターが紹介された。今回の研究でもFranka Emika Pandaが検証対象に含まれており、シミュレーション技術の進展が実機の動特性モデルと組み合わさることで、より現実に即したロボット制御が可能になる流れが感じられる。ただし、Googleのシミュレーターはブラウザ上での動作を重視しており、今回のNeuralActuatorは物理的なアクチュエータモデルに焦点を当てている点で、アプローチが異なる。 業界構造への含意としては、低コストロボットの性能向上が挙げられる。NeuralActuatorは、高価なロボットだけでなく、約500ドル程度の低コストプラットフォームでも有効であることを示しており、これにより教育や研究用途でのロボット活用が進む可能性がある。また、外力推定をセンサレスで行えることは、触覚センサーを追加するコストを削減できるため、サプライチェーンや製品設計に影響を与えるかもしれない。 未確定の論点としては、実環境での長期的な信頼性や、他のロボットプラットフォームへの汎用性が挙げられる。今回の検証は特定のロボットに限られており、多様なアクチュエータへの適用可能性は今後の課題である。また、トルク代理モデルの学習には微分可能シミュレーションが必要であり、その計算コストや収束性も確認が必要である。

なぜ重要か

NeuralActuatorは、ロボットのシミュレーション精度を向上させるだけでなく、センサレスでの外力推定を可能にすることで、ロボットの設計や制御のコストを削減する可能性がある。これは、低コストロボットの普及を後押しし、ロボット工学の研究開発を加速させる一歩となるだろう。