技術要約：FILIC – インピーダンス・トルク制御を用いた二重ループ・フォース誘導型模倣学習

問題提起

挿入、組み立て、手内操作などの接触を伴う操作タスクには、物理環境と安全かつ効果的に相互作用するための精密な力制御が必要です。模倣学習（Imitation Learning, IL）はこうしたスキルの獲得において支配的なパラダイムとなっていますが、従来のアプローチは依然として位置中心です。これらの手法は通常、関節位置や6自由度のポーズを出力するため、接触時に過度な内部力を誘発し、ロボットや環境に損傷を与えるリスクがあります。

エンドエフェクタの力フィードバックは、柔軟な挙動を実現するために極めて重要ですが、手首に取り付けられた力/トルク（F/T）センサに依存する方法は、高コストやハードウェアの複雑さからスケーラビリティに制限があります。さらに、力をILに組み込もうとする既存の試みの多くは、力を単なる位置制御のための補助信号として扱っており、柔軟な実行のためのものとして活用できていません。低コストでセンサレスな設定において、安定した柔軟なトルクレベルの制御システムをデプロイすることには、依然として大きな隔たりが存在します。

手法：FILICフレームワーク

これらの課題に対処するため、著者らは、高レベルのTransformerベースのILポリシーと低レベルのインピーダンス制御器を統合した二重ループ・アーキテクチャであるFILIC（Force-guided Imitation Learning with Impedance torque Control）を提案しています。

1. 二重ループ制御アーキテクチャ

システムは、知覚、計画、実行のバランスを取るために、2つの異なる時間スケールで動作します。

• 外側ループ (25 Hz): TransformerベースのILポリシーが、視覚画像（ResNet経由でエンコード）、エンドエフェクタのポーズ、および推定された外力を含むマルチモーダルな感覚入力を処理します。このポリシーは、ターゲットとなる6自由度のエンドエフェクタ・ポーズのシーケンスを予測します。このループでは、時間的な一貫性と堅牢性を高めるために、Action Chunking with Transformers (ACT) アプローチを利用しています。
• 内側ループ (2 kHz): 予測されたターゲット・ポーズは、逆運動学（IK）を介して関節角に変換されます。その後、関節空間インピーダンス制御器が、高周波でトルク指令を実行します。このループでは、加速度ノイズを避けるために慣性項を除いた簡略化されたスプリング・ダンパモデルを採用し、安定した柔軟なトルクレベルの実行を保証します。動力学推定をサポートするために、250 Hzで重力補償モジュールが動作します。

2. センサレス・エンドエフェクタ力推定

FILICの核心的な革新は、専用のF/Tセンサを使用せずにエンドエフェクタの力（レンチ）を推定できる能力にあります。

• ヤコビアンに基づく反転: システムは、関節トルクとエンドエフェクタ力の間の解析的な関係 $\tau_{ext} = J(q)^T F_{ext}$ を活用します。ヤコビアンの転置を反転させることで、システムは関節トルクの測定値から外力を推定します。
• 同期デジタルツイン: センサノイズ、摩擦、機械的コンプライアンスといった実世界の要因に対処するため、著者らは高精度なデジタルツイン（MuJoCoでシミュレーション）を採用しています。このツインは、物理ロボットの関節位置および速度と同期しており、期待される関節トルク ($\tau_{inv}$) を計算します。外力は、観測されたトルク ($\tau_{obs}$) とモデル予測トルクを比較することで推定されます：
  $$F_{ext} = J(q)^T + (\tau_{obs} - \tau_{inv})$$
  このアプローチにより、高価なハードウェアを排除しながら、ILポリシーにとって直感的な力の表現を提供します。

3. 触覚フィードバックによるデータ収集

意味のある力の変化を捉える高品質なデモンストレーション・データを確保するため、著者らは振動触覚フィードバックを備えた低コストの手持ち式テレオペレーション・インターフェースを利用しています。推定されたエンドエフェクタの力は振動周波数にマッピングされ、これにより人間オペレータは接触の強度を直感的に感知し、それに応じて行動を調整することができます。

主な貢献

本論文は、主に3つの貢献を述べています。

1. センサレス力推定: 同期デジタルツインとヤコビアンに基づく反転を用いた、エンドエフェクタのレンチを推定するための低コストな手法（オープンソース実装を含む）。
2. 二重ループ・フレームワーク: 高レベルのTransformerベースの模倣ポリシー（視覚と力の入力を融合）と、低レベルのインピーダンス・トルク制御器を組み合わせた新しいアーキテクチャ。これにより、手首のF/Tセンサなしでの柔軟な操作が可能になります。
3. 性能検証: 接触を伴うタスクにおいて、生の関節トルクを置き換えることがポリシーの性能を大幅に向上させることを示す実証的証拠。

実験結果

著者らは、プラグアダプタの挿入、緊急停止ボタンの操作、Cクランプの固定、ボトルキャップの締め締めといった4つの接触を伴うタスクを含む、シミュレーションおよび実世界のシナリオでFILICを評価しました。

• 力推定の精度: 6自由度マニピュレータを用いた静的荷重テストにより、平均誤差と標準偏差が低い状態で重力負荷を追跡できる推定器の能力が確認されました。
• ポリシーの性能（シミュレーション）:
  • 位置のみのベースライン: 成功率 68.0%
  • 位置 + 関節トルク: 成功率 80.0%
  • 位置 + 推定EE力 (FILIC): 成功率 90.0%
• ポリシーの性能（実世界）:
  • FILICは、すべての4つのタスクにおいて、位置のみおよび位置＋関節トルクの両方のベースラインを一貫して上回りました。
  • 位置のみに対する改善幅は、+33.3 pp（プラグ）から**+53.4 pp**（キャップ）に及びました。
  • 極めて重要な点として、推定EE力は、生の関節トルク入力よりも一貫して優れた性能を示しました（例：プラグのタスクで+16.7 ppの改善）。これは、推定されたレンチがよりタスクに適合した接触信号を提供していることを示しています。

意義と主張

本論文は、FILICが高価なハードウェアに頼ることなく、現代の模倣学習と柔軟な物理的相互作用の間の溝を埋めることに成功したと主張しています。高レベルのセマンティックなポリシーと低レベルのトルク制御器、およびセンサレスの力推定器を統一することで、このフレームワークは、より安全で、柔軟で、適応性の高い接触操作を実現します。

著者らは、彼らのアプローチによって、リソースが制限された環境においてもロボットが豊かな物理的相互作用のダイナミクスを活用できることを強調しています。結果は、デジタルツインベースの推定によって得られる明示的な力の表現が、接触シナリオにおけるILポリシーのガイドとして、生の関節トルクよりも優れていることを示唆しています。本研究は、このようなフレームワークが、スケーラビリティとアクセシビリティを維持しながら、非構造化環境における人間のような器用さを実現することを結論付けています。