ロボティクス分野において、器用な操作のためのデータを効率的に収集することは長年の課題である。従来の手法はロボットの遠隔操作や強化学習に依存することが多いが、前者はデータ収集コストが高く、後者は訓練プロセスが複雑である。もう一つのアプローチとして、「ロボット不要」の人間によるデモンストレーションを活用する方法がある。人間が自然に器用な操作を行い、その動作をアルゴリズムによってロボットハンドに転移するという考え方だ。しかし、ここには重要なジレンマがある。すなわち、デモンストレーターの自然な器用さを保ちながら、ロボットハンドに転移可能な接触に基づく観測と行動を生成する必要がある。
この課題に対して、arXiv論文「Contact Imitation Interface: Transferring Dexterous Skills by Showing How Contact Unfolds」は、Contact Imitation Interface（CIMI）フレームワークを提案している。本論文はZhixuan Xu氏ら8名の著者によるもので、全15ページ（本文8ページ、補足資料7ページ）で構成されている。CIMIは、接触に基づくデモンストレーションインターフェースと、接触に基づく学習インターフェースの2つの中核部分からなる。
デモンストレーション段階では、CIMIは共有接触ジオメトリと指先RGBビューを組み合わせ、さらに「接触アライメント優先」のリターゲティング機構を導入し、より広いシーン視点の再投影も行う。この設計の目的は、デモンストレーターの動作を単に記録するだけでなく、ロボットハンドの構造と互換性のある形で再表現することにある。具体的には、指先RGBビューが精細な局所接触情報を提供し、広角シーン視点が操作全体の文脈理解を助ける。リターゲティングプロセスは接触点のアライメントを優先的に保証し、後続の学習に信頼性の高い監督信号を提供する。
学習段階では、CIMIは階層型ポリシーアーキテクチャを採用している。上位層は接触表面プランナーであり、相対的な接触表面軌道を予測する。下位層はコントローラであり、手首と指のコマンドを調整して接触アライメントを改善する。この階層設計により、システムは複雑な器用操作を管理可能なサブ問題に分解できる。プランナーは「接触がどこで発生し、どのように移動すべきか」に焦点を当て、コントローラは「関節動作によってその接触をどう実現するか」を担当する。両者が協調することで、ロボットハンド上で人間のデモンストレーションにおける接触の展開過程を再現する。
著者らはLEAPとWujiという2種類のロボットハンドで実験を行い、6つのハンド・タスクの組み合わせをカバーした。評価指標は最終段階の平均成功率であり、結果はCIMIがベースラインポリシーと比較して少なくとも50ポイント向上したことを示している。この顕著な改善は、接触を中核的な表現としてデモンストレーション、リターゲティング、行動学習の全プロセスに貫徹させることで、人間のデモとロボット実行の間のギャップを効果的に縮められることを示唆している。
論文は、CIMIが接触に基づく観測、リターゲティング、行動表現を一つのフレームワークに統合していることを強調している。本研究ではハードウェア設計とソフトウェアが公開されており、プロジェクトウェブサイトにはコードとハードウェア設計へのリンクが提供されているため、研究コミュニティによる再現と拡張が可能である。論文は2026年10月29日にarXivに投稿され、ロボティクス（cs.RO）カテゴリに属している。
総じて、CIMIは器用な操作のスキル転移に新たな道を開くものである。関節角度やエンドエフェクタ軌道を単に模倣するのではなく、接触の展開過程を明示的にモデル化することで、システムは異なるロボットハンド構造やタスク要件に対してよりロバストに適応できる。今後、このフレームワークはロボット不要のデモンストレーションデータの大規模な活用を促進し、器用な操作データ収集の障壁を下げることが期待される。