マニピュレーション2026/9/14arXiv:2609.14868

プリミティブ誘導サンプリングベースMPCによる多指巧み操作

Primitive-Informed Sampling-Based MPC for Multi-Fingered Dexterous Manipulation

低次元の操作プリミティブでサンプリングを誘導し、関節レベルの残差を同時最適化するサンプリングベースMPCを提案し、実機Allegroハンドで物体の連続回転や把持・再配向・運搬を実現した。

詳しい要約

1. どんなもの？

- 多指dexterous manipulationのためのprimitive-informed sampling-based MPCフレームワーク。 - sampling-based MPCにより複雑なcontact dynamicsのgradientを回避。 - 低次元manipulation primitivesでsamplingをbiasし、joint-level residualsを同時最適化。 - task-related rollout constraintsでinfeasible trajectoriesを棄却。 - physical Allegro handとsynchronized MuJoCo digital twinで評価。

2. 先行研究と比べてどこがすごい？

- sampling-based MPCはgradient不要だが、高次元joint spaceの直接探索は非効率でsampling分布に強く依存。 - 本手法は低次元primitivesでsamplingをbiasし、joint-level residualsで適応。 - sampling budgetを増やすだけでは協調を回復できないことをablationで示す。 - rollout constraintsがsuccess rateを大幅改善。 - 単一物体から抽出したprimitiveが物体サイズやmodel mismatch下でも有効。

3. 技術・手法の肝は？

- 低次元manipulation primitivesが協調したfinger motionsを符号化。 - samplingをprimitivesでbiasしつつ、joint-level residualsを最適化して現在のhand-object configurationに適応。 - task-related rollout constraintsがforward simulation中にinfeasible trajectoriesを棄却し、sampling budgetを有効活用。 - primitivesはsimulation-trained policyとhuman hand-motion dataの両方から抽出可能。

4. どうやって有効だと検証した？

- physical Allegro handとsynchronized MuJoCo digital twinで評価。 - Ablationsによりprimitiveとresidualの両方が信頼性の高いcontinuous in-hand rotationに必要と判明。 - sampling budget増加だけでは協調を回復しないことを確認。 - rollout constraintsがsuccess rateを大幅改善。 - 単一物体から抽出したprimitiveが物体サイズやmodel mismatch下でも有効。 - grasping、object reorientation、coordinated arm-hand reach-grasp-transportもサポート。

5. 議論はある？

- sampling-based MPCのsampling分布依存性と高次元探索の非効率性が課題。 - primitiveとresidualの必要性、sampling budget増加の限界、rollout constraintsの有効性をablationで議論。 - primitiveの汎化性（物体サイズ、model mismatch）を確認。 - 他のタスクへの適用可能性を示す。 - 詳細な限界や失敗事例は要旨からは不明。

6. 次に読むべき論文は？

- sampling-based MPC（例：MPPI, Cross-Entropy Method） - dexterous manipulationのためのprimitives（例：DAPG, demo-based primitives） - MuJoCo digital twinを用いたsim-to-real転移 - contact-rich manipulationのためのtrajectory optimization - human hand-motion dataからのprimitive抽出

※ 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: Emek Barış Küçüktabak, Karankumar Patel, Jinda Cui, Zhaodong Yang, Kazuhiro Sasabuchi, Jun Takamatsu

分類: cs.RO

原文アブストラクト

We present a primitive-informed sampling-based model predictive control (MPC) framework for multi-fingered dexterous manipulation. Sampling-based MPC avoids the need for gradients through complex contact dynamics, but direct exploration of the high-dimensional joint space is inefficient and makes performance strongly dependent on the sampling distribution. Our framework biases sampling using low-dimensional manipulation primitives that encode coordinated finger motions, while simultaneously optimizing joint-level residuals to adapt these motions to the current hand-object configuration. Task-related rollout constraints reject infeasible trajectories during forward simulation, improving the effective use of the sampling budget. We evaluate the approach on a physical Allegro hand using a synchronized MuJoCo digital twin. Ablations show that both the primitive and residual are necessary for reliable continuous in-hand rotation, that increasing the sampling budget alone does not recover this coordination, and that rollout constraints substantially improve success rate. A primitive extracted from a single object remains effective across object sizes and under model mismatch, and the framework further supports grasping, object reorientation, and coordinated arm-hand reach-grasp-transport, using primitives extracted from both a simulation-trained policy and human hand-motion data.

arXivで原文を読む →arXiv概要ページ