マニピュレーション2026/10/22arXiv:2610.31841

FORCA：接触を伴うロボットマニピュレーションのための力覚対応コーディングエージェント

FORCA: A Force-Aware Coding Agent for Contact-Rich Robot Manipulation

視覚と手首の力覚センサ情報を入力に、接触を伴う作業用のPythonプログラムを生成・修正するコーディングエージェントFORCAを提案。実機5タスクで精度向上や表面変化への適応、接触調整の有効性を示した。

詳しい要約

1. どんなもの？

- 接触を伴うロボットマニピュレーション(contact-rich manipulation)のためのcoding agent「FORCA」 - 言語指示をロボットプログラム(Python)に変換するcoding agent - 視覚観測とwrist force/torque (F/T) 計測を入力として利用 - contact probingやforce-responsive motionの制御ロジックを生成・修正 - 実行間でforce recordsと視覚結果を検査し、失敗を診断してmotionとforce-feedback制御ロジックの両方を改訂 - demonstrations・タスク特異的training・simulationを必要としない - 実ロボット5タスクで有効性を提示

2. 先行研究と比べてどこがすごい？

- 従来のcoding agentは言語指示からロボットプログラムを生成するが、contact-rich manipulationでは物理的相互作用に応じた制御ロジックの生成・洗練が課題 - FORCAは視覚のみでなくwrist F/T計測を入力に取り込み、force recordsを診断に用いる点が特徴 - demonstrations・タスク特異的training・simulationを不要とする - 同一agentのvision-only変種との比較で、grasp accuracyとtask successを改善し、wipingとpeelingでのcontact lossを低減 - 具体的な先行研究名の記載は要旨からは不明

3. 技術・手法の肝は？

- coding agentが視覚観測とwrist F/T measurementsを入力としてPythonプログラムを書く - contact probingとforce-responsive motionのためのプログラム - 実行と実行の間に、agentがforce recordsと視覚的結果を併せて検査 - 失敗を診断し、motionとforce-feedback制御ロジックの双方を改訂 - demonstrations・タスク特異的training・simulationを前提としない設計 - 詳細なモデル構成やアルゴリズムは要旨からは不明

4. どうやって有効だと検証した？

- 実ロボット5タスクで評価 - contact-rich manipulationの3形態で有効性を提示 - manipulation accuracyの改善 - 物体や表面特性の変化への適応 - 表面変化や物体運動下でのcontactの調整 - 同一agentのvision-only変種との比較 - grasp accuracyとtask successの改善 - wipingとpeelingでのcontact loss低減 - 定量指標の詳細や被験者数などは要旨からは不明

5. 議論はある？

- 要旨からは不明 - 限界、失敗事例、一般化可能性、安全性への言及は明示されていない - 示唆される論点として、vision-onlyとの比較でforce情報の寄与が示されている点 - 実ロボット5タスクという評価範囲の広さや、simulation不要という設計の妥当性は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照・比較されている研究: 同一agentのvision-only variant - 関連手法として、言語指示からロボットプログラムを生成するcoding agent、contact-rich manipulationのためのforce/torque feedback制御 - 具体的な論文名・著者名は要旨からは不明 - 同分野の定番として、imitation learning、vision-language-action models、force-based contact controlに関する研究が次に読む候補

※ 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: Xiao Tan, Yixuan Wang, Zhexi Wang, Wenzhen Yuan

分類: cs.RO

原文アブストラクト

Coding agents can translate language instructions into robot programs. For contact-rich manipulation, a key challenge is to generate and refine control logic that responds to physical interaction. We present FORCA, a coding agent that takes visual observations and wrist force/torque (F/T) measurements as input to write Python programs for contact probing and force-responsive motion. Between executions, the agent inspects force records alongside visual outcomes to diagnose failures and revise both motion and force-feedback control logic. FORCA requires no demonstrations, task-specific training, or simulation. Across five real-robot tasks, we demonstrate its effectiveness in three forms of contact-rich manipulation: improving manipulation accuracy, adapting to changes in object or surface properties, and regulating contact under surface variation and object motion. Compared with a vision-only variant of the same agent, FORCA improves grasp accuracy and task success and reduces contact loss in wiping and peeling.

arXivで原文を読む →arXiv概要ページ

FORCA：接触を伴うロボットマニピュレーションのための力覚対応コーディングエージェント

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