Summary
Rhoda AIは触覚センサーを開発し、接触情報を利用するようDirect Video-Action（DVA）モデルを拡張した。カメラを遮ったロボットが、触覚を手掛かりに物体を探して識別・把持する実験を行った。
Detailed facts
触覚を使った物体識別の実験
Rhoda AIは、頭部と手首のカメラをともに遮ったロボットで、表面に凹凸のあるボールを探して取り出す実験を実施した。ロボットは接触によって、凹凸のあるボールと滑らかなボールを区別し、7個のボールから凹凸のある対象を識別した。このうち2個は訓練時に見ておらず、サイズ、硬さ、表面の質感が異なっていた。実験の試行回数と定量的な成功率は示されていない。
Check the source ↗センサーとDVAモデルの構成
グリッパーに取り付ける触覚センサーは、法線方向とせん断方向の接触力を数ミリニュートンから40ニュートン超まで測定し、触覚信号を約500Hzで取得する。センサーは空間的な温度変化も記録する。触覚対応のDVAモデルは映像の観測に加えて将来のセンサー読み取り値を予測し、別の逆動力学モデルがその予測をロボットの動きに変換する。
Check the source ↗データ収集と研究の位置付け
Rhoda AIは触覚センサーを、手持ち型のUniversal Manipulation Interfaceにも統合し、人間による実演中の接触力データを収集した。今回の研究は、同社の動画予測型ロボット制御に物理的な接触情報を加え、データ収集の仕組みにも触覚を組み込むものとなる。実験結果は管理された物体選択課題に関するもので、より広い産業用途での性能は確認されていない。
Check the source ↗独自観点のコメント
分析：動画予測に触覚を加える制御基盤
今回の特徴は、視覚を使えない状況で物体を識別するだけでなく、触覚センサーの予測値を行動生成につなげた点にある。動画情報を中心にした制御に接触力や温度の情報を重ねることで、対象に触れながら探索・識別・把持するタスクに対応する設計となっている。
人間の実演から接触力データを集めるインターフェースも用意したことは、モデルの拡張と学習データの収集を一体で進める戦略と読める。一方、現時点で示されたのは限定された物体選択実験であり、試行回数や成功率も公表されていない。産業現場への適用可能性を評価するには、実環境での再現性や幅広い作業での性能確認が必要となる。
Sources
- Press coverage Korthos — Read the original ↗