全身マニピュレーション2026/10/14arXiv:2610.19594

RoboSpan: 遠隔操作による高自由度全身移動マニピュレーションのためのモジュラー協調ポリシー学習

RoboSpan: Learning Modular Coordination Policies for High-DoF Whole-Body Mobile Manipulation with Teleoperation

29自由度の全身移動マニピュレーション向けに、手・腕・移動台車を分離して協調させる階層的モジュラーフレームワークと遠隔操作プラットフォームを提案し、長期的タスクでの成功率を向上させた。

詳しい要約

1. どんなもの？

- 高自由度（29-DoF）の全身移動マニピュレーションのためのテレオペレーション・デモンストレーションプラットフォーム「RoboSpan」と、モジュラー協調ポリシーを学習する「Hierarchical Modular Framework (HMF)」を提案。 - 全身移動マニピュレーションにおける運動の異質性と長期的な誤差蓄積に対処。 - 統合的な触覚センシングを備え、協調的な全身意思決定を支援。

2. 先行研究と比べてどこがすごい？

- 既存のテレオペレーションプラットフォームは統合的な巧みな触覚センシングを欠き、全身協調意思決定を支援できない。 - 提案手法は、物理的な29-DoFロボットでの実験で、主流のベースラインと比較して20%以上のタスク成功率向上を達成。 - 接触の多いマニピュレーションにおける安定性とロバスト性を著しく改善。

3. 技術・手法の肝は？

- HMFは29-DoFの行動空間を、細かいハンドマニピュレーション、アーム姿勢調整、移動ベースの空間構成の3つのブランチに機能的に分離。 - モジュール間クロスアテンションを備えた「Coordinated Modular Embodied Transformer (COMET)」を導入し、動的な情報交換と行動調整を実現。 - 視覚言語モデル駆動の階層的タスク分解により、時間的誤差伝播を構造的に抑制。 - フルパーム2D触覚表現が分散接触信号を符号化し、クロスモジュール触覚強化を実現。

4. どうやって有効だと検証した？

- 物理的な29-DoFロボット上で実験を実施。 - 一連の長期的な全身タスクにおいて、提案手法が主流のベースラインよりも20%以上高いタスク成功率を達成。 - 接触の多いマニピュレーションにおける安定性とロバスト性の顕著な改善を確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、Vision-Language Model (VLM) を用いたタスク分解、Transformer ベースのポリシー学習、触覚センシングを統合した移動マニピュレーションに関する研究が挙げられる。

※ 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: Keqiang Ren, Xuecheng Ye, Hanyu Liu, Zhihua Wang, Tao Jian, Yunsheng Ma, Jiayi Wen, Xinran Li, Zhigong Song

分類: cs.RO

原文アブストラクト

Whole-body mobile manipulation suffers from two fundamental challenges: inherent motion heterogeneity across locomotion, arm, and hand modules, and progressive error accumulation over long-horizon multi-stage tasks. Existing teleoperation platforms also lack integrated dexterous tactile sensing to support coordinated whole-body decision-making. This paper presents RoboSpan, a high-DoF whole-body teleoperation and demonstration platform, and the Hierarchical Modular Framework (HMF) for learning modular coordination policies. HMF functionally decouples the 29-DoF action space into fine hand manipulation, arm pose adjustment, and mobile-base spatial configuration branches, and introduces the Coordinated Modular Embodied Transformer (COMET) with inter-modular cross-attention to enable dynamic information exchange and action coordination. Vision-language model driven hierarchical task decomposition structurally suppresses temporal error propagation, while a full-palm 2D tactile representation encodes distributed contact signals for cross-module tactile empowerment. Experiments on a physical 29-DoF robot demonstrate that the proposed method achieves over 20\% higher task success rate than mainstream baselines across a range of long-horizon whole-body tasks, markedly improving stability and robustness in contact-rich manipulation.

arXivで原文を読む →arXiv概要ページ

RoboSpan: 遠隔操作による高自由度全身移動マニピュレーションのためのモジュラー協調ポリシー学習

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文