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。

FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning

著者: Steven Oh, Jason Jingzhou Liu, Tony Tao, Philip Han, Kenneth Shaw, Satoshi Funabashi, Ruslan Salakhutdinov, Deepak Pathak · CoRL 2026 2026

重要な理由

力覚フィードバックや力を考慮したポリシーは、これまで主に関節トルクセンサや手首の力センサを持つアーム、たとえば約 30,000 ドルの Franka に限られてきました。一方、多くの研究室や愛好家が購入する低価格アームはモータ電流しか報告しません。FACTR 2 はこの差を安く埋める方法を示しています。約十分間の自由動作を記録し、小さな再帰型ネットワークを約一分学習させるだけで、アームは力覚フィードバック付き遠隔操作を動かし、接触の多いポリシーを改善できるほどの精度で外部トルクを報告します。センサが真値を与える Franka では、学習した推定はモデルベースのベースラインよりはるかに正確に接触を追従しました。著者らは AgileX Piper（約 2,500 ドル）、YAM アーム、Nero でこの手法を動かしており、公開コードには記録、学習、推論のための ROS 2 パイプラインと、力覚フィードバック付きの Piper 遠隔操作デモが Apache-2.0 で含まれています。CoRL 2026 はこの論文を 21 件の口頭発表の一つに選びました。接触直前の一秒により大きな重みを与えるという FIRST の学習上の工夫は、どの行動クローニングの構成にも簡単に追加できます。

課題

挿入、締結、柔らかい物体の扱いは接触を感じ取ることに依存しますが、カメラだけからそれを推定するのは困難です。専用の力・トルク計測は通常 Franka、Flexiv、KUKA のような高価なアームにしかなく、手首の力センサが低価格アームより高くつくこともあります。原理的には、アームが自由に動くのに必要なトルクを差し引くことで、モータ電流から外部トルクを推定できますが、そのためには正確な動力学モデルが必要です。低価格アームでは、摩擦、静止摩擦、バックラッシ、ヒステリシス、トルクリップル、不感帯のためにこうしたモデルは信頼できず、しかもこれらの効果の多くは直近の動作履歴に依存します。きれいな力信号がなければ、遠隔操作者はフィードバックを得られず、ポリシーも何かに触れたことを判断できません。模倣学習には第二の問題もあります。失敗は短い接触前の位置合わせ段階と接触段階に集中しますが、これらは各デモンストレーションのごく一部にすぎず、学習中めったにサンプリングされません。

提案手法

NEXT は解析的な動力学モデルを学習モデルに置き換えます。著者らは約十分間の非接触動作を記録します。まず各関節を可動範囲いっぱいに動かし、次にデカルト空間的な動作を低速と高速で行います。二層の LSTM が、関節位置、関節速度、指令位置と計測位置の差からなる 50 ステップの履歴を読み、自由空間でアームに必要なモータトルクを予測します。実行時には、計測したモータトルク（モータ電流にトルク定数を掛けた値）からこの予測を引いたものが外部トルクになります。学習は RTX 3090 一枚で約一分、順伝播は CPU 一スレッドで 1.76 ms です。遠隔操作では、この推定が FACTR のリーダー・フォロワー制御装置のトルクセンサを置き換えます。続いて FIRST は推定トルクにヒステリシス付きのしきい値を適用し、デモンストレーションの各タイムステップを接触、接触前（接触開始前の一秒）、自由動作に分類し、学習バッチを作る際に接触前と接触のステップをより頻繁にサンプリングします。ほとんどのタスクでは接触前を五倍の頻度にしています。ポリシーへの入力はカメラ画像、関節位置、推定トルクです。

主な知見

  • 外力は力センサなしでも学習できる。自由動作だけで学習したネットワークがアームの動作に必要なトルクを予測し、計測したモータトルクの残りが接触にあたる
  • 安価なアクチュエータでは履歴が重要である。50 ステップの履歴を使う再帰モデルは MLP や GRU の変種を上回り、指令位置と計測位置の差を入力に加えるとさらに誤差が減った
  • 学習による推定は動力学モデルにも工場出荷時の信号にも勝ちうる。Franka の自由動作では、NEXT の推定はアーム自身の外部トルク推定よりもゼロに近いままだった
  • ポリシーが失敗するのは自由空間ではなく接触付近である。学習バッチを接触前と接触のステップに寄せて再サンプリングすると、まさにその段階の検証損失が下がる
  • 接触直前の一秒が最も価値のあるデータである。接触前ステップのアップサンプリングは平均で接触ステップのアップサンプリングより効果が大きく、接触ステップだけでは最も低いスコアだった

主な結果

  • 接触下の Franka で、NEXT の外部トルク推定はアーム内蔵センサの推定から関節平均で 0.547 Nm ずれるだけで、FILIC（4.395 Nm）より 87.6%、外乱オブザーバ（1.471 Nm）より 62.8% 小さい
  • Franka の自由動作では、NEXT は真のゼロから 0.414 Nm にとどまり、Franka 自身の外部トルクセンサ信号は 0.449 Nm、外乱オブザーバと FILIC はそれぞれ 2.429 と 2.460 Nm だった
  • トルクセンサを持たない AgileX Piper で、NEXT の自由動作誤差は 0.018 Nm、外乱オブザーバは 0.248 Nm、FILIC は 0.435 Nm だった
  • Franka での拭き取りタスクを用いた 20 人の遠隔操作ユーザ調査で、参加者は NEXT に基づく力覚フィードバックをベースラインより使いやすいと評価し、加えた力は専用トルクセンサを使う FACTR Teleop と同程度だった
  • 双腕 Piper 構成での接触の多い五つの長期タスク（タスクごとに 250 件のデモンストレーションと 20 回の評価試行）で、FIRST は最も高いタスク進捗を達成し、従来の力を考慮したポリシーを 17% 以上上回った
  • 接触前ステップのアップサンプリングは五つのタスクで平均 0.818 のタスク進捗となり、接触前と接触の両方では 0.811、接触のみでは 0.670 だった
  • ACT ポリシーで推定外部トルクを条件にすると、NIST 挿入で 0.567、キャップ締めで 0.525 となり、生のモータ電流ではそれぞれ 0.431 と 0.440、どちらも使わない場合は 0.220 と 0.440 だった

制限事項

  • 論文は二つの限界を挙げている。トルクの絶対的なスケールはモータのトルク定数に依存するため、定数が不正確なら外部の力センサでの較正が必要になること、そして NEXT はロボットごとに固有で、アームごとに記録と学習が必要になりうることである
  • 公開されているのは NEXT と遠隔操作デモだけである。リポジトリ（Apache-2.0）には記録、学習、推論、可視化のための ROS 2 ノードと、力覚フィードバック付きの Piper と GELLO による遠隔操作デモが含まれるが、FIRST の学習コード、ポリシーのチェックポイント、デモンストレーションデータはない。デモの接触ゲートとランプフィルタは論文の実験では使われていない
  • 真値に対する精度の計測は Franka だけで行われている。Piper にはトルクセンサがないため自由動作の誤差しか報告されず、接触時の性能はユーザ調査に頼っている。YAM と Nero は定性的な図と動画にしか登場しない
  • ポリシーの結果はすべて著者ら自身によるもので、一つの双腕 Piper 構成、タスクごとに 20 回の試行、部分点ありのタスク進捗に基づく。アップサンプリング比はタスクごとにタスク進捗で選ばれ、アップサンプリングの強さのアブレーションは計算資源の不足から、ACT での三タスクとフローマッチングポリシーでの一タスクだけで行われた

分野への影響

FACTR 2 は力センシングをハードウェアの購入ではなくソフトウェアの一工程に変えます。モータ電流と関節状態を報告するアームであれば、原理的には短い記録セッションから外部トルクの推定を得られます。これは、ロボット学習で今や一般的になった低価格アームにとって特に重要で、これまでは遠隔操作での力覚フィードバックもポリシーへの力入力もほとんど手が届きませんでした。生のモータ電流との比較は、他の研究者にも役立つ結果です。電流をそのままポリシーに入れると一方のタスクでは効果があり、もう一方では効果がありませんでしたが、推定した外部トルクは両方で効果がありました。FIRST のアブレーションは実用的な指針も加えています。接触直前の一秒は接触そのものよりも学習で重みを置く価値があるということです。どちらの部分も著者ら自身の装置での自らの計測なので、他のアームでどこまで通用するかは独立した再現で明らかになります。

概要

接触の多いマニピュレーションには力への感度が必要ですが、多くのロボットアームはコストの高さから専用の力センサを備えていません。本研究では、専用の力センサを一切必要とせずに関節の外部トルクを推定するデータ駆動型手法 Neural External Torque Estimation（NEXT）を提案します。NEXT はわずか 10 分間の自由動作データから 1 分で学習でき、それでも専用の関節トルクセンサに匹敵する推定を実現します。NEXT は低価格アームでの力覚フィードバック付き遠隔操作を可能にし、Force-Informed Re-Sampling Training（FIRST）によってポリシー学習を改善します。FIRST は行動クローニングの際に接触前と接触のセグメントをアップサンプリングします。五つの長期タスクで、FIRST はタスク進捗において従来の力を考慮したポリシーを 17% 以上上回りました。NEXT と FIRST を組み合わせることで、追加のセンシングハードウェアなしに、市販のロボットで力を考慮した遠隔操作とポリシー学習が可能になります。動画と結果、コードは https://jasonjzliu.com/factr2 で公開されています

リンク

  • arXiv 2606.12406: https://arxiv.org/abs/2606.12406
  • PDF: https://arxiv.org/pdf/2606.12406
  • コード: https://github.com/philiphan0109/factr2_next
  • プロジェクトページ: https://jasonjzliu.com/factr2/

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。