SceneBotは、arXivに最近投稿されたロボティクス論文で提案された統一的なモーショントラッキングフレームワークであり、接触リッチなタスクにおける人型ロボットの制御課題の解決を目指している。現在の強化学習に基づく人型ロボットポリシーは自由空間での運動に優れているが、物体とのインタラクションや不整地を含むタスクでは、純粋なキネマティックトラッキングでは物理的な曖昧さを解決できないため、依然として困難に直面している。
この問題に対処するため、研究チームはSceneBotを提案した。これは、自由空間の移動、地形の踏破、全身マニピュレーションのタスクを同時に扱うことができる統一フレームワークである。中心的な革新は、単一のポリシーを参照モーションとリンクごとの接触ラベルの両方に条件付けることで、ロボットの各部位と環境との期待される接触関係を明示的に定義する点にある。この接触プロンプト機構により、ポリシーは物理的インタラクションの事前情報を明確に得て、接触リッチなタスクをよりよく理解し実行できるようになる。
しかし、このようなポリシーの訓練には接触情報が注釈付けされたインタラクションデータが大量に必要であり、既存のデータセットにはそのような注釈が不足している。そこで著者らは、事後シーン再構成アプローチを提案した。これは、リターゲットされた人体モーションデータからシーンインタラクショングラフを推論するものである。具体的には、人体モーションキャプチャデータをリターゲット技術によって人型ロボットに適応させ、そこからロボットとシーン物体間の接触グラフを逆に再構成することで、接触ラベル付きの訓練データを自動生成する。
この方法を用いて、研究チームは7.5時間の接触リッチなモーションを含むデータセットを構築し、このデータでSceneBotを訓練した。実験の結果、SceneBotは未見のモーションや環境に首尾よく汎化できることが示された。特筆すべきは、自由空間と接触リッチな行動をシームレスに統合する最初の汎用フレームワークであり、箱を二階に運ぶような複雑で長期的なタスクを成功裏に実行できることである。これは、接触条件付けが人型ロボット制御における強力なインターフェースとしての可能性を示している。
論文の著者はSirui Chenら6名で、15ページ、10図からなり、2026年6月25日に投稿された。ロボティクス（cs.RO）および人工知能（cs.AI）の分野に属する。すべてのコードとデータはオープンソース化される予定であり、詳細なデモや情報はプロジェクトページで入手できる。