力/トルクベースの運動学的適応によるロボット操作タスク

本論文は、接触を伴うロボットマニピュレーションにおいて、関節角度センサと手首搭載の力/トルクセンサのみを用いて、未知のツールの運動学的関係（キネマティクス）をオンラインで推定する適応スキームを提案する。外受容センサによるツール先端の計測を必要とせず、力/トルクフィードバックのみから未知ツールのキネマティクスを同定する。剛体ケースとコンプライアンス制御を内側ループに持つケースの両方で安定性を証明し、同定が運動によって励起される方向に限定されることを示す。さらに、制御と推定の組み合わせ問題を二次計画法（QP）として定式化し、シミュレーションのpeg-in-hole挿入タスクで検証する。

従来の適応制御やキネマティクス同定手法は、外受容センサ（カメラやレーザーなど）を用いてツール先端の位置を計測することが一般的である。本手法は、力/トルクセンサのみを用いる点で、センサ構成が簡素であり、環境の変化に影響されにくい。また、多指ハンドによる全手掌握把持のように接触モードが変化する状況でも、オンラインで適応できる点が新しい。さらに、安定性の証明を剛体ケースとコンプライアンス制御ケースの両方で行い、同定可能性の条件を明確にした点が先行研究と比べて優れている。

手法の核は、力/トルクフィードバックのみを用いて未知ツールのキネマティクスを推定する適応更新則を導出し、その安定性をリアプノフ理論に基づいて証明することである。具体的には、関節角度と力/トルクセンサの測定値から、ツールのキネマティクスを表すパラメータをオンラインで更新する。剛体ケースでは、運動が励起する方向のみが同定可能であることを示し、コンプライアンス制御を内側ループに持つ場合は、パッシブな降伏によって励起が部分的に増加することを示す。さらに、二次のアドミッタンス制御を用いると、連続時間でコンプライアンス証明が無条件に成立することを示す。また、制御と推定の結合問題をQPとして定式化し、更新則の予測項を正確に導出できるが、追跡適応項は再現できないことを示す。

シミュレーションによるpeg-in-hole挿入タスクで提案スキームを検証した。具体的な検証内容は要旨からは不明だが、シミュレーションで適応スキームが有効に機能し、未知ツールのキネマティクスを推定できることを示したと推測される。

議論として、同定は運動が励起する方向に限定されるため、例えば剛体の挿入押し込みではツールの長さは観測不可能であることが挙げられる。一方、コンプライアンスループのパッシブな降伏により部分的に励起されることが示された。また、QP定式化は予測項を正確に導出できるが、追跡適応項を再現できないという興味深い結果が得られた。これは、制御と推定の統合における理論的な限界を示唆している。さらに、この研究は、マニピュレーション学習をタスクポリシーと適応的キネマティクス成分に分解する研究プログラムの第一歩であり、将来の方向性として強化学習との統合が議論されている。

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、適応制御（Adaptive Control）や力/トルクセンサを用いたインピーダンス制御（Impedance Control）、QPベースの制御（QP-based Control）に関する論文が挙げられる。また、強化学習を用いたマニピュレーション学習（Reinforcement Learning for Manipulation）も関連する。具体的には、Slotine and Liの適応ロボット制御やHoganのインピーダンス制御、接触状態の推定に関する研究などが次の読むべき論文として考えられる。