変形物操作のためのTCAM：WBCD 2026トラック4におけるRMC2チャンピオンシステム

本報告は、WBCD 2026 Track 4: Deformable Manipulation Challenge における RMC2 チームの優勝ソリューションを記述する。タスクは、スタックから単一の T シャツをピックし、印刷用パレットに載せ、カラーをターゲット領域に合わせ、印刷領域を滑らかにする一連の操作であり、単層分離、変形物の搬送、精密配置、接触を伴う表面調整を含む。完全自律実行が強く動機付けられており、TCAM (TermiBrain Causal Action Model) フレームワークを中心に、ハードウェア、知覚、データ、学習がポリシーが扱う物理的相互作用の複雑さを低減するように設計された完全自律システムを構築した。

先行研究と比べて、ハードウェア、知覚、データ、学習を統合的に設計し、物理的相互作用の複雑さを低減する点が優れている。特に、単層分離用のカスタム 3D プリントグリッパー、手首中心の 4 カメラ構成、UMI スタイルのデモと実ロボットデモの組み合わせ、TCAM による因果分析に基づくデータ再収集とポリシー微調整のクローズドループが特徴的である。

手法の肝は、TCAM フレームワークによる閉ループシステムである。各軌道を分析して結果に寄与する物理的要因を特定し、データ再収集とポリシー微調整を駆動する。ポリシーはマルチビュー VLA バックボーンから 30 ステップのエンドエフェクタのデルタポーズアクションチャンクを出力する。また、単層分離用のカスタムグリッパー、タスクコンテキスト用の上部魚眼カメラと近接接触観察用の下部 RGB カメラを組み合わせた手首中心の 4 カメラ構成、UMI スタイルのデモと実ロボットデモの併用が重要である。

最終競技会で、システムは 25 枚の T シャツをロードし、1 回あたり平均約 23 秒で、22 枚が要求される表面平滑性を達成し、Track 4 で第 1 位を獲得した。

要旨からは、システムの限界や競技外での一般化に関する議論は不明。競技の成功は示されたが、異なる布地や環境での性能、TCAM の因果分析の詳細、データ収集のコストなどについては言及がない。

要旨で参照されている関連研究として、UMI (Universal Manipulation Interface) スタイルのデモ、VLA (Vision-Language-Action) モデル、TCAM (TermiBrain Causal Action Model) が挙げられる。次に読むべき論文としては、これらの基盤となった研究や、変形物操作における同様の課題を扱った論文が考えられる。