ユクスアン・クアン (Yuxuan Kuang)氏らの研究チームは10月20日(現地時間)、器用な多指ハンド向けの適応可能なスキル学習フレームワーク「AdaDex」を発表した。このフレームワークは、人間が設計した世界で求められる機能的把持、ハンド内での物体向き変更、動的ハンドオーバーといった多様なスキルを実現する。既存の学習手法が抱えていた課題を克服し、汎化性と機能性を両立させた新しいアプローチを示した。
AdaDexは、ゴール条件付き強化学習フレームワークとして位置づけられている。既存の多指ハンド向けスキル学習手法には、それぞれ特有の課題が存在していた。例えば、ゴール達成型強化学習は任意の物体姿勢に対応できる汎用性を持つ一方で、人間の事前知識が不足しているため、しばしば不自然で信頼性に欠ける指の戦略に収束する傾向があった。これは、ロボットが最適な把持や操作方法を自力で探索する過程で、非効率的あるいは不安定な動作を選択してしまうことに起因する。
対照的に、モーショントラッキング技術は、人間の単一の動作クリップから高度に人間らしい行動を模倣し再現できる利点を持つ。しかし、その学習は元となる参照動作に厳密に依存するため、参照からわずかに逸脱した状況や、異なる物体、あるいは未見のタスクに対する適応能力が低いという課題を抱えていた。これにより、現実世界での多様なシナリオへの適用が制限されることが指摘されていた。
AdaDexの中核をなすのは、Hybrid Dexterous Mimickingと呼ばれる革新的な技術である。この技術は、大規模並列環境に構築された二つの異なる学習集団を統合的に利用する。一つ目の集団は密なモーショントラッキング目的で訓練されるモーショントラッキング環境である。この環境では、人間の実演データから密な報酬信号を利用して学習を進め、ロボットに人間的な動作パターンや事前知識を効率的に注入する。これにより、指先の細やかな動きや把持の巧みさといった人間特有の器用さを学習することが可能になる。
二つ目の集団は、初期状態および目標にノイズを加え、疎な物体成功報酬を持つ汎化環境である。この環境では、学習プロセスに意図的に変動性を導入し、ロボットがより広範な状況に対応できるよう訓練する。初期状態や目標に対するノイズは、参照データから大きく外れた未知の状況や物体に対する頑健性を高める役割を果たす。疎な物体成功報酬は、最終的なタスク達成に焦点を当てることで、柔軟かつ効率的な戦略の発見を促す。これら二つの環境は、共通のポリシーを訓練し、それぞれが持つ強みを相互に補完し合うことで、人間らしい器用さと高い汎化能力を両立したスキル学習を実現する。
具体的に、AdaDexは数秒間の人間の動きデータから、多様で適応可能な器用なスキルを学習できることを実証している。これには、対象物を安定して掴む「機能的把持」、物体をハンド内で効率的に移動させる「物体の再配置」、指の動きだけで物体の向きを変えるフィンガーゲーティングによるハンド内での向き変更などが含まれる。さらに、投擲と捕獲といった動的な行動も学習対象となる。これらのスキルは、従来の学習手法では実現が困難であった複雑な操作を網羅する。
本手法は、汎化性と機能性の両面において既存のベースライン手法を上回る性能を示した。シミュレーター環境だけでなく、実世界でのロボットハンドを用いた実験においても、AdaDexによって学習されたスキルが高い転送能力を持ち、現実の物体操作タスクに適用可能であることが実証されている。
参考: arXiv cs.RO (アーカイブ) — 2026年10月21日 02:59 (JST)
原文ハイライト"Learning Adaptable Dexterous Skills via Hybrid Dexterous Mimicking"