全身操作/自己受容感覚2026/8/30arXiv:2608.29487v1

盲目の巧みさ：純粋な自己受容感覚による全身ヒューマノイド操作

Blind Dexterity: Whole-Body Humanoid Manipulation via Pure Proprioception

カメラや触覚センサーを使わず、関節エンコーダのみの自己受容感覚でUnitree G1ヒューマノイドが全身操作タスク（歩行、ボールトラップ、スーツケース持ち上げ、スケートボード搭乗）を達成できることを示した論文。接触による関節読み取り値の変化が全身触覚チャネルとして機能することを明らかにした。

詳しい要約

1. どんなもの？

本論文は、Unitree G1ヒューマノイドを用いて、カメラやマーカー、力覚センサ、触覚センサを使わず、オンボードのproprioception（関節エンコーダ）のみで全身操作スキルを実現する手法を提案している。具体的には、IMUなしの二足歩行、足でのサッカーボールのトラップ、スーツケースのハンドルを探して持ち上げる、ランダムに置かれたスケートボードに乗るなど、多様なタスクを達成する。

2. 先行研究と比べてどこがすごい？

従来の操作研究は視覚や触覚などの外部センサに依存することが多く、proprioceptionのみでは複雑な操作は困難とされてきた。本手法は、最小限のセンサ構成でこれらのタスクを達成できることを示し、特に接触を伴う動作中に関節エンコーダの読み取り値が全身の触覚チャネルとして機能するという新たな知見を提供している点が革新的である。

3. 技術・手法の肝は？

手法の核心は、関節エンコーダの読み取り値が、意図的なコンプライアント接触の下でどのように変化するかに着目し、これを全身触覚チャネルとして利用することである。ポリシーは接触豊富な動作を生成し、環境を能動的に探索することで、タスク関連の物体状態（例：姿勢）が短いproprioceptive履歴からデコード可能になる。さらに、ポリシーとは別に訓練されたタスク固有の状態推定器を用いて、この情報を抽出する。

4. どうやって有効だと検証した？

有効性は、Unitree G1実機上で、押されても倒れない二足歩行、サッカーボールのトラップ、スーツケースのハンドル探索と持ち上げ、ランダム配置のスケートボードへの搭乗という4つの異なるタスクを実行することで検証された。また、状態推定器の予測誤差が情報的な接触後に急速に減少することも示された。

5. 議論はある？

要旨からは、提案手法の限界や他のセンサとの比較、計算コスト、一般化の範囲などについての議論は不明である。また、proprioceptionのみで達成できるタスクの複雑さの上限や、より複雑な操作への拡張可能性については議論されていない。

6. 次に読むべき論文は？

要旨で参照されている研究や関連手法は明示されていないが、同分野の定番として、ヒューマノイドの全身制御、proprioceptionを用いた状態推定、強化学習による操作スキル獲得に関する論文が挙げられる。具体的には、Model Predictive Control (MPC)を用いた全身運動制御や、Deep Reinforcement Learningによるロコモーションと操作の統合に関する研究が関連する。

※ 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: Aditya Bhatt, Oleg Kaidanov, Puze Liu, Jan Peters

分類: cs.RO

原文アブストラクト

We present blind, whole-body manipulation skills on a Unitree G1 humanoid using only onboard proprioception, without cameras, markers, force-torque, or tactile sensors. Despite this minimal sensing, the trained policies exhibit surprising capability across qualitatively different tasks: push-resilient bipedal walking without IMU feedback, active soccer ball trapping with a foot, seeking and lifting a suitcase by its handle, and mounting a randomly positioned skateboard. We argue that these capabilities arise from a key underappreciated signal: the way the joint encoder readouts evolve under purposeful compliant contact, effectively forming a whole-body tactile channel. By generating contact-rich motions, the trained policies actively probe the environment; as a result, task-relevant object state (e.g., pose) becomes increasingly decodable from short proprioceptive histories. We expose this information using compact task-specific state estimators trained alongside, but fully separately from, the policies; their prediction errors decrease rapidly after informative contact. Our results indicate that joint encoder-based proprioception, combined with compliant actuation (now widely available on commercial robots and low-cost motors) is already a strong, practical substrate for whole-body dexterous manipulation and interactive perception, and therefore a natural foundation on which richer sensing can be layered.

arXivで原文を読む →arXiv概要ページ

← 論文一覧