物流、製造、家庭といった幅広い場面で、人間とロボットが一緒に大きく重い物体を運ぶ協調搬送は、身近でありながら難しい課題である。有能なパートナーとなるには、ロボットは物体を効率よく移動させつつ、人間の力を加える動きに対して物理的に従順であり、相手の負担を減らさなければならない。しかし従来の研究はこの二つの能力を別々に扱ってきた。効率的に運ぶが人間の入力に抵抗するロボットか、あるいは人間に合わせるが継続的な誘導を必要とするロボットのどちらかになりがちだった。
Elvin Yang 氏と Christoforos Mavrogiannis 氏の研究は、障害物に制約された協調搬送では、人間の協調行動の予測と柔軟なロボット制御を統合することが鍵になると指摘する。そこで提案されたのが PROACT フレームワークである。学習によって得られた人間の協調行動モデルを通じて、「先読み」を柔軟な全身制御に組み込む。このモデルは大規模な実世界の二者協調搬送デモンストレーションのデータセットで訓練され、Transformer アーキテクチャによって協調行動を将来の物体運動の予測へと蒸留する。
研究チームは 9 自由度の移動マニピュレータを用いて 108 回の実世界実験を実施した。その結果、柔軟制御のみのベースラインと比べて平均相互作用仕事量を 59.2%、平均完了時間を 12.9% 削減し、モデル予測制御（MPC）ベースラインと比べても仕事量を 20.4%、完了時間を 6.9% 削減した。これはロボットが単に追随するだけでなく、物体とパートナーの動きの傾向を先に判断し、能動的に負荷を分担できることを意味する。
論文は 2026 年 9 月 21 日に arXiv へ投稿され、番号は arXiv:2609.25351、ロボティクス（cs.RO）に分類され、人間とコンピュータの相互作用（cs.HC）および機械学習（cs.LG）にもまたがっている。著者らは実験映像も公開しており、協調搬送の様子を直接確認できる。人間の意図の予測と従順な制御を統合することが、ロボットを受動的な道具から能動的なパートナーへと進化させる現実的な道筋であることを示している。