階層型タスク空間強化学習計画と関節空間QP制御による反応的巧みな把持の学習

本論文では、反応的な巧みな把持を実現するためのハイブリッド階層制御フレームワークを提案する。このフレームワークは、高レベルの空間意図と低レベルの関節実行を明確に分離する。高レベルでは、マルチエージェント強化学習アーキテクチャを導入し、アームとハンドのエージェントを専門化することで、目的のタスク空間速度指令を生成する。これらの指令は、GPU並列化された二次計画法コントローラによって処理され、運動学的制限と衝突回避を厳格に課しながら実現可能な関節速度に変換される。この構造的分離は、トレーニングの収束を加速するだけでなく、ハードウェアの安全性を厳格に保証する。さらに、このアーキテクチャはゼロショット操縦性を実現し、オペレータはポリシーを再トレーニングすることなく安全マージンを動的に調整し、動的障害物を回避できる。研究チームは、厳格なシミュレーションから実機へのパイプラインを通じて提案フレームワークを広範囲に検証した。20-DoFの人間型ハンドを搭載した7-DoFアームでの実機実験により、多様な未知物体に対する高いロバスト性を持つゼロショット転送能力が実証され、非構造化環境における予期せぬ物理的外乱からの反応的回復能力が示された。このフレームワークは、マサチューセッツ工科大学のHo Jae Lee、Yonghyeon Lee、Alexander Alexiev、Tzu-Yuan Lin、Se Hwan Jeon、Sangbae Kimによって提案され、2026年5月5日にarXivに提出された（コンピュータサイエンス-ロボティクス分野、全18ページ）。主な革新点は、タスク空間計画と関節空間制御の分離、GPU加速二次計画法によるリアルタイム求解、およびマルチエージェント強化学習によるアームとハンドの協調動作である。実験では、未経験の物体に対する把持だけでなく、外力による妨害に対しても迅速に適応する堅牢性が確認された。本研究成果は、家庭用サービスロボットや産業用ピッキング、医療支援など、リアルタイムな適応が求められる非構造化環境での応用が期待される。