ロボットがロープ、ケーブル、輪ゴムなどの変形可能な線状物体（DLO）を操作することは長年の課題である。従来の研究は主に狭い特定タスクに焦点を当て、実世界のデモンストレーションや手作りのヒューリスティクスに依存してきた。しかし、これらのアプローチは実際に遭遇する多様な材料やタスクにスケールするのが難しく、十分に多様な実世界データを収集することはしばしば非現実的である。さらに、既存のシミュレーション環境は、汎用的なDLO操作に必要な広範な材料挙動のサポートが限られている。
これらの限界を克服するため、Junyi Cao、Yian Wang、Ziyan Xiong、Chunru Lin、Zhehuan Chen、Chuang Gan の研究チームは DLO-Lab を提案した。この論文は ICML 2026 に採択されている。中核となるのは、多様なDLO操作のために明示的に設計された微分可能シミュレータである。このシミュレータは、（非）伸長性、弾性、曲げ塑性、他の物体との複雑な相互作用など、広範な材料特性をモデル化でき、操作スキルの学習と評価のための堅牢な基盤を提供する。
シミュレータ上に、チームはDLO操作特有の課題を際立たせる代表的なタスクのベンチマークスイートを構築した。これらのタスクの成功は、DLOに固有の位相的複雑さと把持感度によってしばしば妨げられる。そこで彼らは、戦略的な把持点を提案し、長期的タスクを分解することでこれらの課題を明示的に管理し、制御権限を最大化する専用のDLOエージェントを導入した。
最後に、研究者らはDLO-Labフレームワークを用いて様々な政策学習アルゴリズムを評価し、シミュレーションから実機への転移実験も行った。これらの実験は、DLO操作研究を前進させるプラットフォームの可能性を示している。論文は2026年6月2日にarXiv（arXiv:2606.04206）に投稿され、ロボティクス（cs.RO）分野に属する。