FIRMGrasp：摩擦の不確実性を考慮したロバストな把持合成のためのリスクマージン

ロボットによる物体把持は操作タスクの中核であるが、従来の把持品質指標（Ferrari-Canny epsilonなど）は接触面の摩擦係数が単一で確定していると仮定しており、実際の摩擦変動下での力閉鎖喪失を予測できない。この問題に対処するため、Clinton Enweremらの研究チームは、金融リスク管理で用いられる条件付きバリュー・アット・リスク（CVaR）の概念を導入した新しい指標フレームワークFIRMGraspを提案した。

FIRMGraspの核心は、不利な摩擦分布の尾部（最も厳しい摩擦条件）における期待値に基づいて力閉鎖マージンを評価する点にある。従来指標が単一の摩擦実現値を仮定するのに対し、FIRMGraspはCVaRで割引された平均摩擦下での力閉鎖マージンを計算し、リスク調整済みマージンε(β)（リスク調整後の力旋回空間の内接球半径）を導出する。研究では、ε(β)が信頼水準βに対して単調であること、把持パラメータに関して微分可能であること、そしてε(β)が正であれば少なくとも確率βで力閉鎖が保証されるという確率的閉鎖証明書を与えることを厳密に証明した。

これらの理論的性質により、FIRMGraspは既存の把持の評価だけでなく、勾配ベースの最適化によるリスク認識型把持合成にも容易に組み込むことができる。実験では、LEAP HandとAllegro Handを用いた1,599回の把持テストを実施。その結果、従来のFerrari-Canny指標が安全と認定した把持の53%が、不利な摩擦条件下で力閉鎖を喪失することが明らかになった。また、揺動試験とピッキング成功率の順序付けに関して、従来指標の正解確率はそれぞれ0.53と0.67（揺動試験はほぼ偶然）だったのに対し、FIRMGraspは0.63と0.78に向上した。摩擦係数0.2の不利な条件下でのシミュレーションリフト試験では、FIRMGraspが認定した把持は側方引張に対して70%の成功率を示し、従来指標が認定したがFIRMGraspが拒否した把持の成功率は25%に留まった。

FIRMGraspは、より堅牢な把持評価を提供するだけでなく、不確実性下での信頼性を数学的に保証する道を開く。その微分可能性は深層学習ベースの把持計画との統合を可能にし、確率的保証は実世界展開におけるリスク管理に貢献する。今後、多指ハンド操作や組立タスクなど、より複雑な力閉鎖解析への応用が期待される。