DexPortは10月23日(現地時間)、高自由度ロボットハンド向けの携帯型データ収集インターフェースとして導入されたことが、arXiv cs.ROが公開した論文で明らかになった。同インターフェースは、器用な操作を学習する上でのボトルネックとなっていた高品質なデモンストレーション収集の効率化を目的とする。収集と展開に同じハンドハードウェアを用いることで「ハンド具現化ギャップ」を回避し、オペレーターが手首の動きと指の調整スキルを選択するだけで、精密な把持や手内操作を可能にするという。
この「DexPort」は、高自由度ロボットハンドのための携帯型インターフェースとして設計されたものです。開発者らは、少数のスキルが多岐にわたる器用なタスクを支援できるという知見に基づき、データ収集時のオペレーターの負担軽減を図りました。具体的には、オペレーターはインターフェースを動かしてロボットの手首の動きを指定し、指の動きを調整するスキルを選択または調整します。これにより、個々の関節を独立して制御する必要がなくなり、精密な把持や手内操作といった動作を維持できるとされています。
本論文の著者には、Amber Xie氏、Jiawei Fu氏、Xiaofeng Guo氏、Carmelo Sferrazza氏、Guanya Shi氏、Haozhi Qi氏らが名を連ねています。研究では、ロボットアームを使用せず、実際のタスクや非構造化環境でデモンストレーションを収集したと報告されています。その後、記録された手首の動きとハンドコマンドに基づき、行動模倣学習（behavior cloning）を用いて視覚運動ポリシー（visuomotor policies）を直接訓練しました。
評価は、多様な物体を用いたピック・アンド・プレース、手内での工具使用を伴うねじ込み、同時把持と引き出しが必要な引き出し収納、および両手によるスキャンタスクの4つのタスクで行われました。携帯型デバイスを用いて、実験室環境と実地環境の両方で2,500以上のデモンストレーションが収集されました。タスク全体では、記録されたロボットコマンドを状態の代わりに使用した場合に成功率が11%から64%へ向上。実地データを使用した際には、タスク成功率が36%から78%へ改善したことが示されています。
参考: arXiv cs.RO — 2026年10月24日 02:56 (JST)
原文ハイライト"DexPort: A Hand-Held Skill Interface for Dexterous Hand Data Collection"