ロボティクス分野において、巧みな手で複数の物体を連続して把持し、すでに保持している物体を離さないという課題は難しい。多くの巧みな把持手法は、手のすべての自由度を単一の物体に費やすため、巧みさを十分に活かせず、後続の把持のための冗長性が残らない。この問題に対して、研究者らはMoDexを提案した。これは拡散ポリシーであり、観測から次のグリッパ姿勢を直接予測する。
MoDexの核心的な革新は「対向空間」条件の導入にある。この条件は、現在の把持においてどの指が参加するかを明示的に指定する。これにより、グリッパは利用可能な自由度の一部のみを使用し、残りの自由度を後続の把持のために温存できる。その結果、ロボットハンドは把持した物体を放さずに姿勢を調整し、新しい物体を把持することが可能となる。
シミュレーションから実環境への転移を容易にするため、MoDexは2段階の訓練を採用している。まず専門家のデモンストレーションに基づく模倣学習を行い、初期ポリシーを獲得する。続いて強化学習による微調整を行い、成功率をさらに向上させる。実験により、微調整後のポリシーは事前訓練されたポリシーを一貫して上回ることが示された。
研究チームは、MuJoCoシミュレーション環境でFranka Emika PandaロボットアームにAllegro Handを搭載してテストし、同じ実機プラットフォームでも検証した。評価された学習ベースのベースラインと比較して、MoDexはシミュレーションで成功率を2.92%から17.92%向上させ、実環境では6.67%から17.78%向上させた。この結果は、連続多物体巧み把持タスクにおける本手法の有効性と堅牢性を示している。
この研究はCoRL 2026に投稿されており、プロジェクトページ（https://modex2026.github.io/）では詳細やデモが公開されている。