技術要約：「Ace! プロレベルの卓球サーブを実現するロボットアームのモーションプランニング」

問題提起

ロボティクス研究において、卓球の「ラリー（打ち合い）」に関する研究は広く進められてきたが、「サーブ」は依然として未開拓の課題として残されている。返球とは異なり、ラリーでは飛来するボールの運動量を活用できるが、競技レベルのサーブには、回転のない自由落下状態のボールから高い速度や回転を生み出すことが求められる。このタスクは極めて困難な要素を含んでいる：

• 物理モデリング： ロボットは、国際卓球連盟（ITTF）のルールを遵守しながら、高い回転（最大550 rad/s）および速度（最大6.7 m/s）を付与するために、爆発的かつ制御された動作を生成しなければならない。
• 制約条件： ボールはまずロボット側にバウンドしてから相手側にバウンドしなければならず、これにより、加えることができるエネルギーが制限される。また、ラケットはボールの軌道に対してほぼ垂直に介入する必要があり、返球よりも高い精度が要求される。
• ハードウェアの限界： 機械的なアクチュエータは、人間の手首や腕の動きを再現するための軽量なパワーや器用さに欠けることが多く、そのため、衝撃力学と身体制御を伴うモーションプランニングは複雑な最適化問題となる。

手法

著者らは、モーションプリミティブ、モデル予測制御（MPC）、およびベイズ最適化を組み合わせ、ITTF準拠のエリートレベルのサーブ動作計画を生成する包括的なシステムを提示している。このシステムは、シングルハンドでのトス用のボールカップを備えたラケットを持つ、8自由度ロボット（2つの直動軸を持つガントリーと6自由度の回転関節アーム）を使用している。

1. ボールトス（モーションプリミティブ）

システムは、ITTFルールに適合するシングルハンドのトス戦略を採用している。

• データ収集： 片手によるトスの人間によるデモンストレーションを収集し、最適化を通じてロボットのキネマティクスへとリターゲティングする。
• 実行： ロボットは「フラット」な状態から開始する、関節コマンド（$u_t(t)$）の軌跡を実行する。
• 確率論的変動への対処： ロボットの振動や環境要因により、ボールのリリースポイントは変動する。システムは、ボールの三角測量システムを用いてリリース時刻（$t_{lift}$）を経験的に特定し、ノイズを考慮するためにサビツキー・ゴーレイ・フィルタを用いて軌跡を平均化する。

2. パラメータ化されたモーションプランナー（MPC）

打撃動作（$u_s(t)$）は、エンドエフェクタ（EE）空間および関節空間の両方において最小ジャーク（躍度）制御シーケンスを解く、非線形ハイブリッド最適化ベースのプランナーによって生成される。

• 目的： 滑らかで動的に実行可能な軌跡を確保するため、二乗ジャークを最小化する。
• 制約条件： プランナーは、初期および最終の関節状態制約、および接触時刻 $\tau$ における特定のEE制約（位置 $p_\tau$、法線 $n_\tau$、速度 $v_\tau$）を課す。
• ソフト制約： 高速トラッキングの実態に対応するため、位置、姿勢、および速度の終端制約は、定義済みの物理的許容誤差（例：位置 $\pm 5$ mm、姿勢 $\pm 0.5^\circ$）を用いて緩和される。
• ソルバー： 問題は32個の区分定数ジャーク多項式の連鎖として定式化され、典型的な解法時間は10〜20ミリ秒で、KNITROソルバーによって解かれる。

3. パラメータ最適化（HEBO）

非線形なボールの動力学やITTFの制約により、最適なラケットの状態（$\xi_s$）を解析的に算出することは困難であるため、著者らは**HEBO（Heteroscedastic and Evolutionary Bayesian Optimization）**を使用している。

• 探索空間： 最適化器は、ヒットのタイミング、ラケット速度、向き（オイラー角）、および静止への復帰時間を含む、正規化された決定変数の集合を探索する。
• 報酬関数： 報酬は以下の項目を評価する複合項である：
  • 合法性（$s_{leg}$）： ITTF準拠（例：正しいバウンド順序、ネット通過、自己衝突の回避）の逐次チェック。不適切なサーブには厳しいペナルティが課される。
  • パフォーマンス： 着弾精度（$r_{pos}$）、速度成分（$r_{vel}$）、高さ（$r_{height}$）、および特定の回転成分（$r_{top/back}$、$r_{side}$）を評価する報酬。
• 堅牢性： トスの確率論的な性質に対処するため、最適化器は複数の記録されたトス軌跡に対して候補を評価し、報酬を集計することで、トスの偏差に対して堅牢なパラメータへと探索をバイアスさせる。

4. 実世界での選択

コンペティション・ライブラリが維持・反復的に洗練される。サーブは、相手が適応するのを防ぐために、連続するサーブ間の回転の非類似性を最大化するヒューリスティック・アルゴリズムに基づいて、トーナメント用に選択される。

主な結果

本システムは、公認審判員が立ち会う中で、エリートおよびプロレベルの日本人卓球プレーヤーとのトーナメントにおいて評価された。

• パフォーマンス指標： ロボットは、最大550 rad/sの回転と最大6.7 m/sの速度を持つサーブを実現し、エリート級の人間と同等またはそれを上回る性能を示した。
• 勝率： ロボットは、2026年4月において、サーブ時に**51.5%から58.7%**のポイント獲得確率を維持した。これはプロの人間（約52〜53%）のベンチマークに匹敵する。
• 反復的な改善： 本論文では、ベースライン手法（2025年4月）から最終的なHEBOベースのシステム（2026年4月）への進展を詳述している。主な改善点には以下が含まれる：
  • 堅牢性を高めるための複数のトス軌跡の組み込み。
  • 遺伝的アルゴリズムからHEBOへの切り替え。
  • アクチュエータの能力を最大限に活用するための動的限界（加速度/ジャーク）の引き上げ。
  • 相手にポイントを与えてしまうサーブを除去するための、サーブ・ライブラリの戦略的な枝刈り。
• タスク特化型の生成： コントロールされた実験において、システムは特定の目的（例：トップスピン、バックスピン、またはサイドスピンの最大化）を持つサーブを正常に生成し、報酬関数の重みと物理的な結果（例：特定のバックスピンを報酬とした際に-164 rad/sのバックスピンを生成すること）との間に強い相関があることを示した。

意義と主張

本論文は、ロボットアームによるプロレベルのITTF準拠のサーブ動作計画を生成できる初の包括的なシステムを提示していると主張している。その意義は以下の点にある：

1. ギャップの解消： 「ラリー」の問題とは異なる、物理モデリングと制御を極限まで押し上げる必要がある「サーブ」の問題を解決したこと。
2. 競技能力： ロボットがエリートの人間のプレイヤーと同等、あるいはそれを超える速度と回転を持つサーブを生成できることを示し、ロボットが初めてプロのアスリートに対し、フェアなベスト・オブ・3形式の試合で勝利することに貢献したこと。
3. 手法的な貢献： 複雑で疎であり、かつノイズの多い探索空間をナビゲートするために、最適化ベースのモーションプランニングとベイズ最適化（HEBO）を組み合わせたフレームワークを提案したこと。

著者らは、「シム・トゥ・リアル（シミュレーションから実機へ）」のギャップが依然として課題であることを認め、すべてのシミュレーション上のモーションプランが完全にハードウェアに転送されるわけではないと述べており、今後の課題として、改良された物理モデリングとハードウェアシステム上での自動微調整に焦点を当てるとしている。