二腕ロボット、実機上で5分以内にジャグリング習得 オンライン学習フレームワークを発表

何が起きたか

研究チームは2026年8月27日、二腕ロボットが実機上で直接学習し、5分未満の実世界インタラクションでカスケード、テニス、ハーフシャワー、シャワー、ボックスの5種類の3ボールジャグリングパターンを習得できるオンライン学習フレームワークを発表した。

詳細

フレームワークは、蓄積した経験から局所モデルを学習しつつ、経験が乏しい領域では大域的な事前モデルを保持して外挿する正則化メモリベース学習を採用する。安全性を確保するため、相互到達可能集合を構築し、連続するスローとキャッチの間で安全な遷移を保証する。多指ハンドと搭載ビジョンを備えた二腕ロボットで実証された。

Key Facts

本紙の見方

本成果は、ロボット学習における「シミュレーションと実機のギャップ（sim2real gap）」への対処法として、オンライン学習を前面に押し出した点で注目される。従来のsim2real転移は、シミュレーションで学習したポリシーを実機で微調整するアプローチが一般的だが、本手法は実機での学習を主眼に置き、シミュレーションモデルを「不完全な事前知識」として位置づける。この哲学は、モデルが実機とかけ離れていても学習に有用であるという主張に基づき、学習を事前知識の置き換えではなく「現在の知識の上に構築」する点に特徴がある。 本紙の過去報道（関連記事なし）と接続できないが、公開情報では、ロボット学習分野ではシミュレーション環境（例：Isaac Gym）と実機のギャップが長年の課題であり、ドメインランダマイゼーションや実機データの活用が研究されてきた。本手法は、実機データをオンラインで活用し、安全性を確保しながら継続学習する点で、これらの流れに新たな選択肢を加える。 業界構造への含意として、実機学習の効率化は、ロボットの導入コスト削減につながる可能性がある。シミュレーションに依存せず、実機で直接学習できることは、工場や倉庫など実環境での適応を迅速化し、タスクごとの再学習を容易にする。特に、多指ハンドや搭載ビジョンなど高自由度のロボットでは、シミュレーションの正確性が低いため、実機学習の価値は高い。 一方、本手法はジャグリングという限定的なタスクで検証されており、産業応用にはさらなる検証が必要である。また、安全性の保証は相互到達可能集合に依存するが、複雑な環境や動的障害物がある場合の拡張性は不明である。 今後確認すべき点は、①実機学習の収束時間がタスクの複雑さにどう依存するか、②相互到達可能集合の計算コストとスケーラビリティ、③他の操作タスク（組み立てや把持など）への汎用性、である。

なぜ重要か

本手法は、ロボットが不完全な事前知識を基に実機での経験を通じて継続的に行動を改善できることを示し、シミュレーション依存からの脱却を促す。これにより、実環境での適応性が向上し、ロボットの実用化が加速する可能性がある。