人間のように掴む:凸構造知覚と階層的ファジー意思決定に基づく積層布の把持位置特定戦略

Dexterous in-hand manipulation(器用な手による物体操作)において、ロボットハンドは頻繁な隠蔽、接触が多い相互作用、高速なダイナミクス下で物体状態を確実に推定する必要がある。触覚センシングは高周波で接触特異的なフィードバックを提供するが、生の触覚信号から有用な表現を抽出し、それを視覚や固有受容感覚と統合することは依然として困難である。本稿では、触覚信号を時空間グラフとして明示的にモデル化するマルチモーダルな器用な操作フレームワーク「TouchWGNN」を提案する。まず、5本指のロボットハンド用に低コストの分散型触覚センサーアレイを開発し、主要な接触領域に分散した1…

• 連動テンドン駆動の7自由度ロボットアーム向けに3D MoE UNetモデル等を用いた自律把持制御システムが開発され、GraspNet-1Billionでの精度向上や実環境における平均20 FPSでのリアルタイム動作、既知物体100%・未知物体平均52.9%の把持成功率を達成した。

• 指関節のソフト容量性伸縮センサーと手のひらの6要素疎圧力アレイを融合した最小限マルチモーダル触覚システムを開発
• 軽量MLPを用いて4つの幾何学的原始形状を表す12個の剛体オブジェクトに対して95.4%のサイズ不変認識精度を達成し、高密度ベースラインを上回った
• ANOVAベースのチャネル選択により情報量の少ない中手指節間関節の信号を除去し、指関節センサー数を削減しながら分類精度を向上

ロボット操作において、視覚と触覚センサーの統合は接触の多い環境で重要だが、その効果的な融合は課題となっている。本研究では、触覚センサーを並列的な行動生成器ではなく、物理的な実現可能性制約として再定式化するフレームワーク「DPTG」を提案する。行動は視覚駆動の拡散ポリシーからサンプリングされ、触覚的実現可能性分類器によってガイドされる。実現可能性スコアから適応的なガイダンススケジュールを導出し、接触が情報量を持つ場合にのみ制約を選択的に活性化する。さらに、実現可能性分類器は、同じ行動空間と触覚セットアップを共有する関連タスク間で再利用可能である。シミュレーションと実世界での実験により、DPTG…

• 適応型グリッパーは構造的コンプライアンス、アクティブコンプライアンス、学習可能グリッピングの3パラダイムで整理され、構造的コンプライアンスと耐荷重能力のトレードオフ、センシングと閉ループ力制御の連携不足、学習ベース手法の汎化性と安全性検証の限界という3課題が産業展開を制約している。
• 代表的なアンダーアクチュエートグリッパーは3~19自由度、90~98%の把持成功率、約10~50Nの耐荷重を達成するが、力制御には限界がある。
• アクティブコンプライアントグリッパーは0.1~1Nの力誤差、0.05~0.5mmの位置誤差、500Hz~1kHzの制御周波数を達成する。