マニピュレーション2026/8/16arXiv:2608.15560v1

ReForce: 力覚を考慮した器用な操作のためのリターゲティング学習

ReForce: Learning Force-aware Retargeting for Dexterous Manipulation

人間のデモからロボットの操作へ変換する際、運動学的なリターゲティングに加えて力の情報を考慮し、接触を再現する手法を提案。シミュレーションと実機で力追従誤差を低減し、多指接触を強化した。

詳しい要約

1. どんなもの？

ReForceは、人間のデモンストレーションからロボットの器用な操作を学習する際のembodiment gapを解決するため、力（force）を考慮したretargeting手法を提案する。従来のkinematicなretargetingに加え、人間の手の動きと力情報をロボットのアクションに変換し、意図した接触を再現する。オンラインの力認識テレオペレーションとオフラインのデータ変換の両方をサポートする。

2. 先行研究と比べてどこがすごい？

従来のretargetingは主にkinematic（運動学的）であり、操作の本質である力の情報を無視していた。ReForceは、力の追従を明示的に考慮し、kinematicなretargetingに残差を加えることで、力の誤差を低減し、多指の接触を強化する点が新しい。

3. 技術・手法の肝は？

ReForceは、kinematicにretargetされたアクションに残差を予測して加えることで、目標の力を達成する。この残差は、大規模なシミュレーションインタラクションで訓練された一般的な力トラッカー（force tracker）を用いて計算される。これにより、力の追従誤差を最小化し、接触を強化する。

4. どうやって有効だと検証した？

シミュレーションと実機の両方で検証を行った。接触が重要なタスク（紙コップの把持、トング操作など）において、力の追従誤差が低減され、多指の接触が強化されることを示した。

5. 議論はある？

要旨からは、提案手法の限界や今後の課題についての議論は不明。ただし、力の追従に焦点を当てているため、kinematicな精度や計算コストとのトレードオフなどが考えられるが、要旨には記載がない。

6. 次に読むべき論文は？

要旨で参照されている関連研究は明示されていないが、同分野の定番として、kinematic retargetingの研究や、力制御を用いた模倣学習の研究が挙げられる。具体的には、'Dexterous Manipulation'や'Imitation Learning'に関する論文が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuhang Wu, Lingqi Zeng, Changwei Jing, Jianglong Ye, Xiaolong Wang

分類: cs.RO

原文アブストラクト

Human demonstrations offer a scalable data source for dexterous manipulation, but transferring them to robot actions remains challenging due to the embodiment gap. Today's retargeting is mostly kinematic, yet manipulation is decided by force, which governs how the hand interacts with the object and how the object moves. In this paper, we present ReForce, a Force-aware Retargeting method that turns human motion and forces into robot actions that reproduce the intended contact. ReForce predicts a residual on the kinematically retargeted action to reach the desired force, using a general force tracker trained on large-scale simulation interactions. It supports both online force-aware teleoperation and offline data translation. In simulation and on real hardware, ReForce achieves lower force-tracking error and stronger multi-finger contact engagement on contact-rich tasks such as paper-cup grasping and tongs manipulation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧