ソフトトランクロボットの全身形状制御、aSSMモデルとMPCを実機で検証

何が起きたか

arXiv論文「Dynamic Shape Control of Soft Trunk Robots」は2026-11-04掲載。トリムド・ヘリコイド型ソフトトランクロボットの実機データから全身のaSSMモデルを学習し、モデル予測制御（MPC）で形状制御を行った。動的な閉ループ形状調整では、利用可能な線形ベースラインに対し10倍の性能を示したと報告している。

詳細

人が操作に関与する実演では、ロボットの各部を順番に整形するタスクを実施し、テニスボールを25秒超バランスさせた。論文によると、線形ベースラインはこのバランス課題を達成できず、実機上で12時間学習させたモデルフリー強化学習ポリシーも同じ課題に失敗した。

Key Facts

本紙の見方

この研究の新しさは、柔軟なロボットの先行研究で扱われていたエンドエフェクターの追従制御から、胴体全体の形状を対象にした制御へ射程を広げた点にある。論文の説明では、ヘリコイド形状のトランクロボットは大きく形を変えられる一方、柔軟性に由来する強い非線形性が形状制御を難しくする。今回の方法は、その全身モデルを実機データから学習し、MPCで制御する構成であり、単に先端位置を合わせるのでなく、ロボットの各部分の形を扱う制御問題として位置づけられる。 結果の読みどころは、比較対象と評価の範囲を分けて見ることだ。動的な閉ループ形状調整では線形ベースラインに対して10倍の性能と報告されたが、要旨だけでは性能指標の定義や測定条件までは分からない。また、テニスボールのバランスでは25秒超という実機実演の結果が示され、実機で12時間学習したモデルフリー強化学習ポリシーは同じ課題に失敗した。これは、この課題では学習したモデルを使う制御が有効だったことを示す一方、他のロボット形状や作業にも優位性が及ぶとまでは言えない。 産業上は、柔軟ロボットを狭い領域や複雑な形状に沿わせる用途を考える際、先端の到達位置だけでなく、途中の胴体形状をどう指定・維持するかが制御設計の論点になる。全身形状をモデル化する方式は、形状を段階的に作る実演と整合するが、実用性の評価には、作業ごとの再現性や制御速度、負荷への対応、モデルを作るために必要なデータ量が要る。要旨にはこれらの条件や、センサー・駆動系の構成、異なる個体へのモデル適用について記載がない。したがって次に確認すべきなのは、10倍という比較の評価指標と条件、バランス課題の再現性、形状や作業が変わった場合の性能である。現段階では、実機上の複数課題で制御方式の有効性を示した結果と、一般的な導入可能性の実証とを区別して読む必要がある。

なぜ重要か

全身形状を制御対象とし、実機で段階的な整形とテニスボールのバランスを実演した点は、先端位置の追従だけでは評価できないソフトロボットの操作性に関わる。論文の結果は、対象課題ではaSSMモデルとMPCの組み合わせが線形ベースラインや実機学習のモデルフリー手法と異なる成績を示したことを意味するが、適用範囲は要旨に示された実験に限って捉える必要がある。