M3-Tele: 全身移動マニピュレーションのための統合マルチモーダル遠隔操作フレームワーク

M3-Teleは、接触を伴うタスク（contact-rich tasks）の遠隔操作とデータ収集のための統合マルチモーダル遠隔操作フレームワークである。全身協調（whole-body coordination）と物理コンプライアンス調整を統合し、視覚、触覚、力覚、自己受容感覚（proprioceptive）の観測を同期して取得しながら、安定した物理的相互作用を可能にする。モバイルマニピュレータの全身遠隔操作を対象とし、下流のポリシー学習に有効なデモンストレーションデータの収集を効率化・高品質化することを目指す。

既存の遠隔操作・データ収集フレームワークは、マルチモーダル知覚と全身協調操作を同時に考慮していないことが多い。M3-Teleは、これらの要素を統合した点が新しい。具体的には、接触豊富なタスクにおいて、力追従誤差を4.132 Nから0.346 Nへ削減し、接触喪失（contact loss）を試行あたり2.46回から0.02回へ、触覚変形誤差を65%削減するなど、従来手法と比較して遠隔操作性能を大幅に向上させた。

手法の肝は、全身協調とコンプライアンス制御を統合した制御器と、マルチモーダルセンシング（視覚、触覚、力覚、自己受容感覚）を同期して記録するデータ収集パイプラインにある。接触豊富なタスクでの安定した物理的相互作用を実現するために、コンプライアンス調整を全身動作計画に組み込んでいる。また、触覚と力覚の同時計測を可能にし、これらのデータを時間的に整合させて収集する点も重要である。

有効性は、力追従誤差、接触喪失イベント数、触覚変形誤差などの定量的指標を用いた実験と、4つのモバイルマニピュレーションタスクにおけるユーザースタディによって検証された。さらに、Diffusion Policyを用いた実験により、触覚と力覚の同時センシングの価値が示された。

要旨からは、議論の詳細は不明である。ただし、提案フレームワークが接触豊富な遠隔操作の性能を向上させた一方で、ユーザースタディの規模や一般化の限界、計算コスト、他のポリシー学習手法への適用可能性などについては言及されていない。

要旨で参照されている関連研究は明示されていないが、Diffusion Policyが実験で使用されているため、次に読むべき論文として「Diffusion Policy」に関する論文が挙げられる。また、遠隔操作や模倣学習の分野の定番研究（例えば、モバイルマニピュレーションのデータ収集フレームワーク）も関連する。