Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Fabrica: Dual-Arm Assembly of General Multi-Part Objects via Integrated Planning and Learning

著者: Yunsheng Tian, Joshua Jacob, Yijiang Huang, Jialiang Zhao, Edward Gu, Pingchuan Ma, Annan Zhang, Farhad Javid, Branden Romero, Sachin Chitta, Shinjiro Sueda, Hui Li, Wojciech Matusik · CoRL 2025

ライセンス

  • オープンアクセス
  • 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

Fabrica は部品メッシュから双腕組立の順序、把持、治具、動作を計画し、ゼロショットで転移する RL 挿入ポリシーを用いて、実機の組立ステップで 80% の成功率に達する。

重要な理由

人間のデモンストレーションやドメイン固有のエンジニアリングなしに、CAD アセンブリからロボットによる実行までをエンドツーエンドでつなぐ経路であり、プランナーはシミュレーション上で複数の双腕構成で実証された。計画は数分で済み、汎用の挿入ポリシーは学習していないアセンブリも扱えるため、現在の組立セルが新製品ごとに必要とする、時間のかかる手作業の再プログラミングを狙ったものである。

課題

今日の組立ロボットは、専用に構築されたインフラと剛性の高い制御器を用いて手作業でプログラムされているため、新製品への適応が遅く、不確実性に弱い。研究の多くは単腕による 2 部品の上方からの挿入を扱ってきたが、多部品組立では多様な挿入方向と把持が必要で、さらに挿入力に抗して部品を保持する第 2 のアームも必要となる。これにより、大規模な離散・連続の計画問題と、部品形状をまたいで汎化しなければならない接触の多い制御とが結びつく。

提案手法

階層型プランナーは部品メッシュとワークセルを入力とし、物理ベースの分解プランナーで先行関係の階層を求め、並列化した IK と衝突判定で双腕の把持ペアを事前に絞り込み、組立/保持の状態木上で動的計画法を用いて安定性を最適化した組立順序と把持を選ぶ。次に、成形されたキャビティを持つピックアップ治具を生成し、RRT-Connect で移動動作を計画する。各挿入では、Isaac Gym で学習した PPO ポリシーが、すべての直線挿入を上方からの挿入に写像する経路中心の座標系で動作し、タスク空間インピーダンス制御器を通じて計画動作への残差補正を出力する。

主な知見

  • 実行可能性だけでなく安定性を基準に組立順序と把持を最適化することが、下流の制御に役立つ。把持最適化を除くと、実機での全体のステップ成功率は 80% から 64% に低下し、組立順序が悪いと不安定性や部品のずれが生じた。
  • 経路中心の SE(3) 等変変換により、単一のポリシーは上からの挿入だけを学習すればよく、観測と行動から姿勢の向きを取り除ける。この変換がないと、実機のステップ成功率は 61% に低下した。
  • プランナーが各挿入を目標の近くから開始させるため、計画経路の上に重ねる残差アクションと、単純な負の距離報酬で十分である。
  • 3 mm の姿勢ノイズで学習し、最後の目標状態に行動を適用する Policy-Level Action Integrator を用いて展開することで、Sim-to-Real 転移が容易になる。
  • 他の 6 つのアセンブリで学習した汎用ポリシーは、未見のアセンブリに対して、そのアセンブリで学習した専用ポリシーと同等の性能を示した。

主な結果

  • 実世界では、アセンブリ専用ポリシーと分布外の汎用ポリシーのいずれでも組立ステップの 80% が介入なしで成功した。これに対し、改変した ASAP は 55%、オープンループ追従は 23% であった。
  • 多段階の実機組立全体は、介入 1 回で 81%、介入 2 回で 95%（専用）または 100%（汎用）の確率で成功した。介入なしでは、すべての手法がほぼゼロであった。
  • 各段階を並列化した場合、アセンブリ全体の計画にかかる時間は 173 s（Beam）から 593 s（Duct）であった。
  • シミュレーション（アセンブリごとに 1,024 試行）では、RL ポリシーのステップ成功率は 58.6-100% であり、これに対しオープンループ追従は 0-24.2% であった。
  • プランナーは、異なるグリッパーを備えた Franka Emika Panda、UFactory xArm7、UR5e アームで実証された。
  • ベンチマークは 5〜9 部品からなる 7 つのアセンブリで構成される：梁、軸受台、車、ゲームパッド、冷却マニホールド、ダクト、スツール。

制限事項

  • 挿入のみによる嵌合（ねじ込みやスライドなし）、サブアセンブリの再配向なし、各部品の移動は 1 回のみ、部品がロボットの可搬重量に比べて軽いことを前提としている（著者）。
  • 平行グリッパーの把持幅が限られるため、ベンチマークは小規模である。大きな部品や複雑な部品には多指ハンドやツール交換が必要になる（著者）。
  • 2 本のアームのキャリブレーションとピックアップ治具の摩耗に敏感であり、サブミリメートルのずれで失敗が生じうる（著者）。
  • 知覚機能はなく、部品はビンからピッキングされるのではなく、専用のピックアップ治具に置かれた状態から始まる（著者）。
  • 明確な Sim-to-Real ギャップが残っている。小さな部品はグリッパーパッドの間で滑り、大きなアセンブリでは誤差が蓄積し、保持側のグリッパーは RL の学習でモデル化されていない（著者）。

分野への影響

CoRL 2025 最優秀論文賞を受賞し、これまでの被引用数は 29。論文は多部品組立のための 7 アセンブリからなるベンチマークスイートを導入し、プロジェクトウェブサイト（fabrica.csail.mit.edu）へのリンクを示しているが、ライセンスされた PMLR 版にはコードリポジトリの記載はない。

概要

多部品組立は、ロボットにとって、複雑な形状にわたって汎化しつつ長期的で接触の多いマニピュレーションを実行するという大きな課題を突きつける。我々は、一般的な多部品物体の自律組立のためのエンドツーエンドの計画と制御が可能な双腕ロボットシステム Fabrica を提示する。長期的な計画のために、先行関係、組立順序、把持、動作計画の階層を構築し、治具の自動生成と組み合わせることで、任意の双腕ロボットで一般的な多段階組立を可能にする。プランナーは並列化可能な設計によって効率化され、下流の制御の安定性に向けて最適化されている。接触の多い組立ステップに対しては、等変性と計画から得られる残差アクションに導かれ、物体形状、組立方向、把持姿勢にまたがる汎用ポリシーを学習する軽量な強化学習フレームワークを提案する。これらのポリシーは実世界にゼロショットで転移し、80% のステップ成功率を達成する。体系的な評価のために、多様なカテゴリと形状にわたる、産業製品や日用品に似た多部品組立のベンチマークスイートを提案する。効率的な大域的計画と頑健な局所制御を統合することで、ドメイン知識や人間のデモンストレーションなしに、完全かつ汎化可能な実世界の多部品組立を達成する初のシステムを示す。プロジェクトウェブサイト：http://fabrica.csail.mit.edu/

リンク

  • arXiv 2506.05168: https://arxiv.org/abs/2506.05168
  • DOI 10.48550/arXiv.2506.05168: https://doi.org/10.48550/arXiv.2506.05168
  • PDF: https://raw.githubusercontent.com/mlresearch/v305/main/assets/tian25a/tian25a.pdf
  • プロジェクトページ: http://fabrica.csail.mit.edu/

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。