マニピュレーション2026/10/15arXiv:2610.21735

Uni-PNP：把持・非把持動作を統合した汎用物体姿勢到達ポリシー学習

Uni-PNP: Unified Prehensile and Non-prehensile Policy Learning for Generalizable Object Pose Reaching

把持と非把持の操作を単一ポリシーで統合学習し、多様な物体・グリッパで物体姿勢到達を実現する手法を提案。

詳しい要約

1. どんなもの？

- 物体操作では非把持動作と把持の統合が必要。 - 既存手法は別々に開発し、中間目標で逐次統合するため協調が制限される。 - 物体やグリッパの形状、環境支持に敏感で実世界展開が困難。 - 本研究はUni-PNPを提案：多様な物体とグリッパに対し、把持と非把持を統合学習するポリシー。 - 物体姿勢到達タスクを対象。

2. 先行研究と比べてどこがすごい？

- 既存手法は非把持と把持を別々に学習し、逐次プリミティブで統合。 - 中間目標に依存し、接触動作と把持の協調が限定的。 - 形状や環境支持への感度が高い。 - Uni-PNPは統合ポリシーで協調を学習し、汎化性能を向上。 - 最強ベースラインを20.52および17.79ポイント上回る。

3. 技術・手法の肝は？

- 接触ダイナミクスデータセットをシミュレーションで構築。 - 多様な物体とグリッパ間の相互作用を利用。 - 幾何エンコーダを事前学習し、接触誘起物体運動を予測。 - 二段階強化学習カリキュラム：把持可能物体から把持不能物体へ。 - 非把持相互作用の発見と把持との統合を促進。

4. どうやって有効だと検証した？

- 数百の既知物体で成功率76.39%、未知物体で57.91%。 - 最強ベースラインをそれぞれ20.52、17.79ポイント上回る。 - 創発行動を分析：非把持・把持再配置、傾け後の把持獲得、把持中のテーブル支援再配向。 - 実世界シナリオへの転移を確認。

5. 議論はある？

- 創発行動の分析から統合の有効性を示唆。 - 実世界転移の可能性に言及。 - 限界や課題についての詳細は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、非把持操作、把持学習、強化学習カリキュラム、幾何エンコーダ、接触ダイナミクスモデリングが挙げられる。 - 同分野の定番として、物体姿勢到達のための強化学習ベースラインが考えられる。

※ 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: Wenxuan Zhu, Yuze Wang, Jiangran Lyu, Jiayi Chen, Yixin Zheng, Mi Yan, Li Yi, Zhizheng Zhang, He Wang

分類: cs.RO

原文アブストラクト

Object manipulation often requires combining non-prehensile actions with grasping. However, existing approaches typically develop these capabilities separately and integrate them by sequencing distinct primitives through prescribed intermediate objectives, limiting the coordination of contact motions and grasping. Their integration also remains sensitive to object and gripper geometry and depends on particular environmental supports, complicating real-world deployment. We present Uni-PNP, a unified policy that jointly learns prehensile and non-prehensile manipulation for object pose reaching across diverse objects and grippers. To achieve this, we first pretrain a geometry encoder to predict contact-induced object motion using a contact-dynamics dataset constructed from simulated interactions between diverse objects and grippers. We then train the policy in a two-stage reinforcement learning curriculum from graspable objects to ungraspable peers, encouraging the discovery of non-prehensile interactions and their integration with grasping. Experiments show 76.39% success on hundreds of seen objects with grippers, and 57.91% on unseen peers, outperforming the strongest pose-reaching baseline by 20.52 and 17.79 percentage points, respectively. We also analyze emergent behaviors, including nonprehensile and prehensile repositioning, grasp acquisition that requires grasping after tipping, and table-assisted reorientation while grasping, and transfer to the real-world scenario. Project page available at lgswdn.github.io/Uni-PNP.

arXivで原文を読む →arXiv概要ページ

Uni-PNP：把持・非把持動作を統合した汎用物体姿勢到達ポリシー学習

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