LingBot-Touch、異種触覚センサーをつなぐロボット向け基盤モデル

導入

カメラは物体の位置や形状を把握するのに役立つが、把持が滑っているか、接触力が十分か、遮蔽された部分で何が起きているかを常に判断できるわけではない。こうした局所的な接触情報を与えるのが触覚センサーであり、器用なロボット操作にとって重要な感覚である。

一方、商用の触覚センサーはまだ標準化されていない。圧抵抗式、磁気式、視覚触覚センサーは、信号の形式も検出の物理原理も異なる。そのため、あるセンサーで学習した認識モデルを別のハードウェアへ移すことは容易ではない。RobbyantのLingBot-Touchは、このセンサー依存性を小さくし、異なる触覚データを共通の表現で扱うことを目指す。

主なポイント

• 異種センサーの統一表現。 圧抵抗式、磁気式、視覚触覚センサーを対象に、それぞれの観測を共有可能な表現空間へ写像する。
• 触覚トークンによる接続。 モデルが出力する触覚トークンは、拡散ポリシーだけでなく、π₀.₅やLingBot-VLAのような視覚言語行動モデルにも入力できる設計とされている。
• 新しいセンサーへの拡張性。 センサーの種類が増えても、触覚理解システム全体を作り直さずに対応することを設計目標に掲げる。
• シミュレーションと実機で評価。 複数のハードウェア環境と操作タスクを用いて、複雑な接触操作への効果と計算効率を調べている。

意義と残る課題

この研究の意義は、特定のセンサー専用モデルではなく、センサーをまたいで再利用できる触覚インターフェースを目指した点にある。実際のロボット開発では、研究用のハンド、製品向けシステム、世代の異なるエンドエフェクターが同じセンサー構成になるとは限らない。共通表現が十分に機能すれば、異なるハードウェアで取得したデータや学習済みポリシーを再利用しやすくなる可能性がある。

また、触覚トークンを既存ポリシーへ追加できるなら、触覚情報を導入する際に制御モデル全体を設計し直す必要を減らせる。これは、具現化AIモデルへ接触情報を組み込む際の実装上の利点になり得る。

ただし、提供された概要にはタスクごとの具体的な改善値や、未知のセンサーを追加する際に必要な適応の詳細は記載されていない。異なるハードウェア間での汎化限界、校正データへの依存、現実環境での長期安定性は、今後も確認が必要な論点である。

LingBot-Touchは、触覚をセンサー単位で扱う段階から、複数のハードウェアに共通する学習基盤へ移行する試みとして位置付けられる。

出典：Hugging Face Daily Papers