ロボットから人間への物体受け渡しは、家庭での飲み物提供から手術室での器具受け渡しまで、ロボットアシスタントに不可欠なスキルです。ロボットは、人間が物体をしっかりと握ったときのみ解放し、偶発的な接触を無視するように堅牢に動作する必要があります。既存の受動的センシング手法は、物体や人間の行動の多様性に適応できず、強固な把持と偶発的な接触を区別するのに十分な情報が得られませんでした。
シンガポール国立大学の研究チーム（Linfeng Li、Lin Shao、David Hsu）は、能動的センシングアプローチを提案します。ロボットが情報収集のための微小運動を加え、その結果生じる人間の力を測定することで接触状態を推測します。強固な把持は複数方向の力を生じますが、偶発的な接触はそうではありません。この違いを捉えるために、接触状態をベイズ線形モデルで表現します。これは、ロボットの運動から人間の力への区分的線形マッピングの分布です。
このモデルにより、強固な把持検出と能動的情報収集が可能になります。ロボットは最も情報量の多い運動方向を選択し、効率的にデータを収集できます。12名の参加者と30種類の剛体物体（コップ、工具など）を用いた実験では、97.5%の成功率を達成し、2つの一般的なベースライン手法（閾値ベースと受動的センシング）を30%以上上回りました。また、異なる物体や参加者間で一貫した性能を示し、優れた汎化能力を実証しました。
本研究成果は、2026年5月6日にarXiv（2605.04610）に提出されました。この研究は、実環境で安全かつ確実な物体受け渡しを実現するための重要な一歩です。将来的には、柔軟物体や複雑なインタラクションへの応用が期待されます。