重く、自動で閉まるドア、特に引き戸を開けることは、ロボット工学における長年の課題です。人間は両腕を巧みに使い、ハンドルを回し、隙間を広げ、ドアを支え、必要に応じて腕を切り替え、クリアランスを保ちながら通過します。このような行動を再現するためには、ロボットは複数の段階にわたる長い動作シーケンスを実行し、ドアの異なる部分と相互作用する必要があります。
従来のアプローチは、手動で定義された段階間を遷移するステートマシンに依存していました（例えば、ノブを回した後に引く、隙間が十分に広がった後に通過する）。直感的ではありますが、これらの手法はロバスト性に欠け、手作りの軌道は多大な工学的努力なしには現実世界の多様な条件に一般化できません。近年、模倣学習の進歩によりスケーラブルな代替手段が提供されていますが、非ホロノミック移動ベースと両腕を同時に協調させてドアの開閉と通過を完遂する視覚行動モデルはこれまで存在しませんでした。
本論文では、拡散ベースの視覚運動制御ポリシーを用いて、この複雑で高度に制約された問題に取り組みます。結果は、単一のエンドツーエンドポリシーが操作と移動の緊密な協調を必要とする長期的タスクを実行できるよう学習されることを示しています。得られたポリシーは、減衰付き引き戸の開閉と通過において高い成功率を達成するだけでなく、外部擾乱に対する強いロバスト性を示します。これは従来の手法では困難な能力です。
この研究は、Shangqun Yu氏と他の6名の著者によって行われ、2026年5月14日にarXivに提出されました。移動操作ロボットが複雑な環境で自律的に動作するための新たな道を開き、サービスロボットや救助ロボットなどの分野での応用が期待されます。