2026年10月20日、論文「Learning-Enhanced Observer for Sensorless Task-Null-Space Compliant Control（センサレスなタスク・ヌル空間コンプライアント制御のための学習強化オブザーバ）」がプレプリントとしてarXivに投稿された。識別子はarXiv:2610.28769v1、分類はロボティクス（cs.RO）である。著者はNuo Chen、Ya-Jun Pan、Onur Tokerの3名で、投稿日時は2026年10月20日18:08:13 UTC、原稿サイズは3,763 KBである。本論文にはhttps://doi.org/10.48550/arXiv.2610.28769のDOIが付与されているが、DataCiteへの登録は保留中とされている。全文はPDF、実験用HTML、TeXソースの各形式で参照可能で、arXivのページには音声要約などの機能も用意されている。
本論文が扱うのは物理的人間-ロボット相互作用（physical Human-Robot Interaction、以下pHRI）である。pHRIのタスクでは、ロボットはタスク空間の運動を堅牢に遂行しつつ、人間からの外乱に対してコンプライアンスを保つことが求められる。この二つは異なる制御目的であり、両立が課題となる。著者によれば、既存の多くの手法は堅牢性かコンプライアンスのいずれか一方に主眼を置き、リアルタイム追従のために力覚センサに依存している。この力覚センサへの依存が、力/トルクセンサを搭載していない多くのマニピュレータ基盤での適用を妨げている。
そこで著者らは、堅牢なレンチ（wrench）オブザーバとハイブリッドな位置・力制御器を統合した新たな枠組みを提案する。主要な貢献は三点である。第一に、ニューラルネットワーク（NN）を学習させ、系の摩擦と未モデル化ダイナミクスを補償することでオブザーバの性能を向上させる。第二に、タスク・ヌル空間分解を適用して関節速度を分離し、人間の外乱がオブザーバに及ぼす影響を低減する。第三に、エンドエフェクタの位置追従と力追従を実現するハイブリッド位置・力制御器を導入する。
実験結果として、提案フレームワークは堅牢かつ正確なレンチ推定を提供しつつ、信頼性の高い位置・力追従性能を維持することが示された。著者は、力/トルクセンサの計測を必要としないpHRI向けの有効な解決策および枠組みであり、力/トルクセンサを備えない多くのロボットマニピュレータ基盤に適用可能であると述べている。
なお、以上の内容は論文要旨とarXivのメタデータに基づくものであり、本プレプリントは正式な査読を経ていない。実験の具体的な設定、比較対象、定量的指標、適用範囲の限界といった詳細は本文で確認する必要がある。また本記録は2026年10月投稿の新着項目であり、今後の版で内容が改訂される可能性がある。