変形物体マニピュレーション2026/11/5arXiv:2611.07261

変形可能な線状物体のキーポイント位置決めに対する強化学習の実証研究

An Empirical Study of Reinforcement Learning for Keypoint Positioning of Deformable Linear Objects

一端把持した変形線状物体の平面操作を強化学習で行い、GPU並列シミュレーションと相対キーポイント観測・非対称アクタークリティックで学習効率を高め、マーカーレスRGB-D推定により実機へゼロショット転移できることを示した。

詳しい要約

1. どんなもの？

- 一端を把持した Deformable Linear Object (DLO) の平面マニピュレーションを対象に、Reinforcement Learning (RL) の適用を実証的に検討した研究。 - 焦点は training efficiency、observation design、robustness、zero-shot sim-to-real transfer。 - 具体的タスクは single-point tracking、disturbance recovery、two-point tracking。

2. 先行研究と比べてどこがすごい？

- 3 種類の Proximal Policy Optimization (PPO) training stack を同一 wall-clock budget で比較。 - GPU-parallel な MuJoCo Playground stack が CPU-based 代替より速く収束し、性能も安定することを示した。 - relative keypoint observations と asymmetric actor-critic が学習効率を改善。 - 要旨からは不明：既存 DLO 研究との直接的な性能比較の詳細。

3. 技術・手法の肝は？

- PPO を基盤に 3 つの training stack を比較し、MuJoCo Playground の GPU 並列化を活用。 - relative keypoint observations を採用し、asymmetric actor-critic を構成。 - observation noise、delay、domain randomization、disturbances を訓練に導入して robustness を狙う。 - 実機では markerless RGB-D keypoint estimation を用い、real-world fine-tuning なしで転送。

4. どうやって有効だと検証した？

- シミュレーションで single-point tracking 96.4%、disturbance recovery 98.0%、two-point tracking 88.8% の success rate。 - markerless RGB-D keypoint estimation を介した zero-shot sim-to-real を実機で検証。 - 物理 trial でそれぞれ 9/10、10/10、8/10 の成功。

5. 議論はある？

- GPU-parallel MuJoCo Playground が同一 wall-clock で優位という知見。 - relative keypoint observations と asymmetric actor-critic の有効性を示唆。 - observation noise、delay、domain randomization、disturbances が robustness に寄与。 - 要旨からは不明：失敗事例や限界、一般化可能性に関する詳細な議論。

6. 次に読むべき論文は？

- Proximal Policy Optimization (PPO) - MuJoCo Playground - asymmetric actor-critic - domain randomization - markerless RGB-D keypoint estimation - Deformable Linear Object (DLO) manipulation 関連の研究

※ 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: Vinay Rodrigues, Sara Zeynalpour, Gokhan Solak, Sebastian Hjorth, Arash Ajoudani

分類: cs.RO

原文アブストラクト

Deformable linear object (DLO) manipulation is challenging because high-dimensional configurations, nonlinear contact dynamics, and diverse material and geometric properties produce a broad range of object responses that are both difficult to model and data-intensive to learn. This work studies reinforcement learning for planar manipulation of a one-end-grasped DLO, focusing on training efficiency, observation design, robustness, and zero-shot sim-to-real transfer. We compare three Proximal Policy Optimization training stacks and find that the GPU-parallel MuJoCo Playground stack enables faster convergence and more consistent performance than CPU-based alternatives under the same wall-clock budget. Relative keypoint observations and an asymmetric actor-critic formulation further improve learning efficiency. Policies trained with observation noise, delay, domain randomization, and disturbances achieve simulation success rates of 96.4% for single-point tracking, 98.0% for disturbance recovery, and 88.8% for two-point tracking. Using markerless RGB-D keypoint estimation, the policies transfer without real-world fine-tuning, succeeding in 9/10, 10/10, and 8/10 physical trials, respectively.

arXivで原文を読む →arXiv概要ページ

変形可能な線状物体のキーポイント位置決めに対する強化学習の実証研究

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

今週よく読まれている記事