建設現場や倉庫、災害後の瓦礫撤去など、複数のロボットが物体を押して協調輸送する応用は広い。しかし、傾斜や摩擦特性が異なる表面での協調輸送には特有の課題がある。この課題に対処するため、ある論文が、平坦・上り・下り地形で質量の異なる矩形箱を輸送するための非同期分散型タスク・モーションプランニング手法を提案した。
本論文はAditya Bhatt氏ら4名による研究成果で、タイトルは「Multi-Robot Box Transport over Different Surfaces with Decentralized Role-based Proportional Control」。2026年5月26日にarXivのロボティクス分野（cs.RO）に投稿された。
従来のマルチロボット協調では集中型計画や頻繁な通信・同期に依存することが多く、システムの複雑化や単一障害点によるタスク失敗のリスクがあった。これに対し、本研究のR2P2（Roles with Rules and Proportional-control Primitive）は、タスクプランニングとモーション制御を分散化する。各ロボットは自身と箱の位置・向きを観測し、独立して役割と制御則を決定する。
R2P2ではまず、箱を回転させるか並進させるかという操作モードに応じて、ルールに基づき「押す」「支える」「防ぐ」などの役割をロボットに割り当てる。次に、その役割に応じてルールベース制御または比例速度制御を実行する。この設計により、グローバルな通信やコンセンサス機構への依存を排除し、通信ボトルネックや同期の困難さ、単一障害点のリスクを軽減する。
有効性を検証するため、研究チームはNVIDIA IsaacSim上に構築したシミュレータで6台のロボットチームを展開し、表面摩擦・傾斜角・箱の質量が異なるシナリオをテストした。その結果、R2P2は優れた汎化性能を示し、標準的な仮想リーダー・フォロワー法と比較して高いタスク成功率を達成した。さらに、4台のTurtleBotにアルゴリズムを実装した実機実験でも、1.2kgの箱を協調搬送することに成功した。
本研究は、通信が制限される環境や動的に変化する実世界応用に適した、軽量で堅牢な分散型マルチロボット輸送手法を提供する。今後、より複雑な物体形状や大規模なロボットチームへの拡張が期待される。