何が起きたか

論文「PolyMorphWBC」は2026年11月11日、四足移動マニピュレーター向けに、終端効果器（EE）の軌道を唯一のタスクレベルの運動指令として腕と移動ベースを協調させる階層型制御器を発表した。対象は6自由度の搭載アーム4系統で、固定ベース時の到達範囲を超える軌道も扱う。評価ではIsaacLabの未学習軌道・腕形状で完了率93.95%を報告し、Go2–ARX5実機でピック・アンド・プレースを実演した。

詳細

制御器は、先読みしたEE目標からベースの動きを決める軌道条件付きコーディネーター、現在の目標を追跡する腕ごとの逆運動学（IK）、生成した動きを実行する凍結済みの歩行バックエンドで構成する。腕形状の条件付けにはURDF由来の情報を用い、オンラインの残差レンチ・フィードバックも組み合わせる。手法は、手続き的に生成した腕と構造化した軌道で学習したとしている。 IsaacLab評価では、未学習の軌道と腕形状に対し、完了率93.95%、位置誤差2.30cm、姿勢誤差4.81°を報告した。MuJoCoでのUMI-on-Legsとの比較では、固定ベース到達範囲内外の4軌道において、EE位置誤差を69～72%、姿勢誤差を91～97%低減した。実機のGo2–ARX5では、VLAが生成したベース指令を使わず、pi_0から得たEE軌道に基づく言語条件付きの到達範囲拡張ピック・アンド・プレースを実演した。

Key Facts

PolyMorphWBCは、EE軌道を唯一のタスクレベル運動指令として腕と移動ベースを協調させる階層型制御器である。[1]
対象は6自由度の搭載アーム4系統で、固定ベース時の到達範囲を超える軌道も扱う。[1]
IsaacLab評価で、未学習の軌道・腕形状に対する完了率93.95%、位置誤差2.30cm、姿勢誤差4.81°を報告した。[1]
MuJoCoでUMI-on-Legsと比較し、4軌道でEE位置誤差を69～72%、姿勢誤差を91～97%低減した。[1]
Go2–ARX5実機で、pi_0由来のEE軌道を使い、VLA生成のベース指令なしで言語条件付きの到達範囲拡張ピック・アンド・プレースを実演した。[1]

本紙の見方

本手法の中心は、操作タスクの指令を「どこへEEを動かすか」に絞り、その実現に必要なベース移動を制御器側で決める点にある。ベースを動かす指令まで上位系が与える方式と異なり、腕の形状や先読みしたEE目標を踏まえて移動を割り当てる設計だ。URDF由来の形状条件付け、腕別IK、歩行バックエンドを分けた構成は、単一の腕に専用化せず複数の腕形状を扱うための仕組みと位置づけられる。ただし、論文が対象とするのは6自由度の腕4系統であり、異なる構造のロボット全般への適用を示したものではない。 評価値は実験環境ごとに読む必要がある。93.95%の完了率と誤差値はIsaacLab上の未学習軌道・腕形状での結果であり、UMI-on-Legsに対する誤差低減率はMuJoCoでの4軌道の比較だ。実機について示されたのはGo2–ARX5でのピック・アンド・プレース実演であり、シミュレーションの数値が実機でも再現されたとは読み取れない。さらに、実演ではpi_0由来のEE軌道を用いながら、ベース指令はVLAに生成させていない。したがって、上位モデルの出力を移動制御まで一括して担わせるのではなく、EE軌道と全身制御の間に別の調整層を置く設計として見るのが適切だ。 この構成が効くのは、固定ベースの腕だけでは届かない目標に対し、移動と操作をひとつの制御問題として扱う場面である。一方、4種類の腕での評価は形状差への再利用可能性を示す材料ではあるが、対象外の腕、荷重、速度、床面条件での性能や、実運用時の安全性・稼働率を示すものではない。次に確認すべきなのは、実機での定量評価、腕形状を変えた際の調整・再学習の要否、動作制約や失敗時の処理である。提示された要旨だけでは、これらの条件は判断できない。 本紙の関連記事として提示された伽马智能とTeleAIの「Gamma-Art」をleaderobot.comが報道は、別の企業・取り組みを扱う記事であり、PolyMorphWBCとの技術的な連続性を示す情報はない。両者を結びつけて業界動向を推論することは避ける。

なぜ重要か

EE軌道をタスク指令とし、腕の形状に応じてベース移動を制御器が決めるため、固定ベースでは届かない目標を扱う際の指令設計に関係する。論文はシミュレーション評価に加えてGo2–ARX5での実演を報告しているが、実運用での性能や適用範囲は示された結果だけでは確定できない。