🤖 AI

SoRoMoX: Fast, Differentiable, and Parallelizable Soft Robot Models

SoRoMoXは、既存のコセラト・ロッド実装における計算上の限界を克服することにより、シミュレーションを大幅に加速し、システム同定、強化学習、安全制約付き制御といった高度な制御ワークフローを可能にする、新規かつ完全微分可能でGPU並列化されたJAXベースのソフトロボットモデリング用フレームワークである。

原著者： Maximilian Stölzle, Solange Gribonval, Daniel Feliu-Talegon, Vito Daniele Perfetta, Michele Martini, Chuhan Zhang, Kiwan Wong, Mohammed Tarnini, Anup Teejo Mathew, Federico Renda, Daniela Rus, Cosimo

公開日 2026-08-10

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Maximilian Stölzle, Solange Gribonval, Daniel Feliu-Talegon, Vito Daniele Perfetta, Michele Martini, Chuhan Zhang, Kiwan Wong, Mohammed Tarnini, Anup Teejo Mathew, Federico Renda, Daniela Rus, Cosimo Della Santina

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

ロボットが硬い金属の歯車や硬直した関節ではなく、シリコンやゴム、あるいは生体組織のような、柔らかくて伸び縮みする素材で作られている世界を想像してみてください。これらは「ソフトロボット」と呼ばれ、非常に優れた存在です。なぜなら、彼らは狭い隙間を通り抜けることができ、卵のような壊れやすい物体を壊さずに扱うことができ、硬い機械には到底及ばない流れるような優雅さで動くことができるからです。しかし、そこには落とし穴があります。あまりにも柔らかいため、制御するのが極めて難しいのです。予測可能な直線運動を行う硬いロボットアームとは異なり、ソフトロボットは同時に何百万もの方法で曲がり、ねじれ、変形します。それは、まるでクラゲに対して精密な取扱説明書を書こうとするようなものです。一つの触手を引けば、体全体が複雑なダンスのように波打ち、数学的に予測するのが非常に困難になります。長い間、科学者たちはこの「柔らかさ」を記述するための正しい数学を持っていましたが、その数学を実際に実行するためのコンピュータプログラムは、遅くて使いにくく、現代のロボットが使用する高度な学習ツールと簡単に連携することもできませんでした。

ここで、救世主として登場するのが、SoRoMoXと呼ばれる新しいツールです。SoRoMoXを、ソフトロボットの複雑でうねるような数学を、現代のコンピュータが理解し、超高速で実行できる言語へと変換する、スーパーパワーを備えた高速翻訳機だと考えてください。このプロジェクトの研究者たちは、単にソフトロボットをシミュレーションするだけでなく、そのシミュレーションを「微分可能（differentiable）」にするソフトウェアフレームワークを構築しました。これは、コンピュータが、より良い結果を得るためにロボットの形状や動きをどのように微調整すべきかを即座に判断できることを意味します。まるでビデオゲームのキャラクターが、ジャンプの高さを上げるために、一瞬のうちに数千回の試行錯誤と失敗を繰り返して学習するようなものです。これらのシミュレーションを強力なグラフィックス・プロセッシング・ユニット（GPU）上で実行し、並列処理（一度に一つのロボットを練習するのではなく、千体の仮想ロボットが一斉に練習するようなもの）を行うことで、チームはソフトロボットの制御を従来の方法よりも最大234.6倍高速化できることを示しました。このスピードは、ロボットが複雑なタスクを学習したり、物にぶつかりすぎないように回避したり、さらには自分自身の動きを観察することで自分自身の物理的特性（体の硬さなど）を理解したりすることを可能にし、新たな可能性を切り拓きます。

ソフトロボット革命

ソフトロボットは、その安全性と適応性の高さから、未来の寵児とされています。ゴム製のロボットアームが熟したイチゴを優しく包み込んで摘み取ったり、ヘビのようなロボットが崩落した建物の瓦礫の中を這い進んで生存者を見つけ出したりする場面を想像してみてください。問題は、麺のように曲がり、伸びるものを制御することは、従来のコンピュータプログラムにとっては悪夢であるということです。硬いロボット（自動車の組立ラインにあるアームなど）の世界では、数学は単純明快です。モーターを一定量回せば、アームは特定の距離だけ動きます。しかし、ソフトロボットの場合、体全体が変形するため、力の混沌としたネットワークが生み出されます。

長年、科学者たちはこの挙動を記述するための理論を開発してきました。多くの場合、「コセラ・ロッド理論（Cosserat-rod theory）」という概念が用いられます。これは、ソフトロボットを固形ブロックとしてではなく、曲げ、ねじれ、伸びることができる柔軟な棒として扱うことを意味します。この現象を記述する数学は存在しますが、それを実際に活用するためのソフトウェアツールは過去に取り残されていました。それらは遅く、現代の超高速チップ上で動作させることもできず、ロボットが自らを教えることを可能にする「学習」アルゴリズムとも相性が良くありませんでした。それは、フェラーリのエンジン（数学）を持っているのに、自転車のチェーン（古いソフトウェア）でそれを走らせようとしているようなものでした。

SoRoMoX：スピードの怪物

論文では、これらのボトルネックを解消するために設計された新しいソフトウェアフレームワーク、SoRoMoX（JAXによるソフトロボットモデル）を紹介しています。著者たちは、コンピュータに複雑な数学演算を非常に高速に行わせることができる強力なプログラミングツールであるJAXを使用して、これを構築しました。

SoRoMoXが特別である理由は以下の通りです：

微分可能であること： これが魔法の成分です。簡単に言えば、このソフトウェアはロボットが「どこへ行くか」だけでなく、「望み通りの場所へ行くために設定をどう変えるべきか」を計算できます。それは、単にルートを教えるだけでなく、走行中に渋滞に遭遇した場合、最適な経路を即座に再計算してくれるGPSのようなものです。
並列処理が可能であること： 一度に一つのロボットをシミュレートするのではなく、SoRoMoXは単一のGPU上で数百、あるいは数千のロボットを同時にシミュレートできます。これは、一人の生徒が一人で練習するのではなく、教室中の生徒全員が一斉にダンスのルーチンを練習しているようなものです。
制御への即応性： ロボットの重さ、重力がどのように作用するか、関節がどのように動くかといった、ロボットコントローラーが必要とする具体的な数値を提供するため、エンジニアは車輪の再発明をすることなく、より優れたコントローラーを構築できます。

チームの発見

研究者たちは単にツールを作っただけでなく、既存の最高のソフトウェアと比較してどのように機能するかを確認するために、過酷なテストを行いました。

速度と効率
テストにおいて、SoSoMoXは明確な勝者でした。標準的なコンピュータ・プロセッサ（CPU）でシミュレーションを実行した場合、現在の最先端の代替手段であるSoRoSimよりも最大18.1倍高速でした。しかし、真の魔法はGPUに切り替えた時に起こりました。並列処理によってシミュレーションを実行することで、最大234.6倍という劇的なスピードアップを達成しました。これは、これまで数時間かかっていたタスクが、数分、あるいは数秒で完了できることを意味します。

学習と最適化
チームはこのスピードを利用して、いくつかの困難な課題に取り組みました。

ロボットの体の把握： ソフトウェアが、素材の硬さといったロボット自身の物理的特性を「学習」するのを助けられるかどうかをテストしました。ロボットの実際の動きとシミュレーションを比較することで、モデルのパラメータを調整できました。これにより、ロボットの位置予測における誤差が**66%**減少しました。
「おっと」という瞬間を修正する： 完璧なモデルであっても、現実のロボットには小さな誤差が生じます。チームはSo-RoMoXを使用して、これらの残差（レジデュアル）を予測するようにニューラルネットワークを訓練しました。これにより、誤差がさらに**64%**減少し、ロボットの動きは驚異的な精度を実現しました。
より優れた制御： さまざまな制御戦略をテストしました。物理モデルを知らない標準的な「モデルフリー」コントローラーは苦戦しました。しかし、「計算トルク（computed-torque）」コントローラー（完全な物理モデルを使用するもの）を使用したところ、追従誤差は近似的に500分の1に減少しました。これは、精度の面で巨大な飛躍です。
安全第一： 最もエキサイティングな応用の一つは、安全性でした。壁に強く当たりすぎないようにしながら目標に到達するようにロボットをプログラムしました。特別な安全アルゴリズムを使用することで、接触力を5ニュートン（小さなリンゴの重さ程度）以下に抑えました。この安全制約がなければ、ロボットは33.5ニュートンの力で衝突しており、これは壊れやすい物体を損傷させる可能性があります。
強化学習： 最後に、強化学習（試行錯誤を通じてロボットが学習する方法）を用いてロボットを訓練しました。SoRoMoXは数千回の試行を同時に実行できたため、トレーニングは以前のより遅い手法よりも最大7倍速く行われました。

結論

SoRoMoXは単なる高速な計算機ではありません。それは、複雑で柔らかいソフトロボットの世界と、高速でデータ駆動型の現代のAIおよび制御の世界を結ぶ架け橋です。ソフトロボットのモデルを高速、微分可能、かつ使いやすくすることで、著者たちは、ロボットが以前よりも速く、あるいは困難であった方法で、学習し、適応し、世界と相互作用する扉を開きました。ここで示された結果はシミュレーションに基づいたものですが、その劇的な速度と精度の向上は、次世代のソフトロボットが、間もなく生き物のような優雅さと知性を備えた動きを学習できることを示唆しています。

技術要約：SoRoMoX – 高速、微分可能、かつ並列化可能なソフトロボットモデル

1. 問題提起

Cosseratロッド理論（具体的にはPiecewise Constant Strain [PCS] および Variable Strain [VS] 定式化）に基づくソフトロボットの低次モデル化は成熟しているが、依然としてモデルのデプロイメントにおいて重大なボトルネックが存在する。既存の実装は、以下の3つの決定的な制限により、高度な制御および学習パイプラインへの統合を妨げている：

微分可能性の欠如： 状態、入力、およびパラメータに関するエンドツーエンドの自動微分（AD）をサポートしていないため、勾配ベースの最適化、システム同定、および学習への利用が困難である。
計算効率の低さ： 多くがCPUに依存したレガシーコード（例：MATLAB）であり、現代のハードウェアアクセラレータ（GPU/TPU）による並列実行を活用できていない。
不完全なインターフェース： 単なる「ブラックボックス」的なシミュレータとして機能し、軌道のロールアウトのみを提供するにとどまる。モデルベース制御や安全性フィルタリングに必要な慣性行列、ヤコビアン、コリオリ項、およびアクチュエーションマップといった、制御に不可欠な量への直接的なアクセスを提供していない。

その結果、剛体ロボティクスで一般的なワークフロー（大規模なシステム同識、軌道最適化、強化学習（RL）、および制御バリア関数（CBF）を用いた安全性制約付き制御）が、ソフトロボットにおいては実用的でないか、あるいは不可能となっている。

2. 手法：SoRoMoX フレームワーク

著者らは、このギャップを埋めるために設計された、完全に数値的でJust-In-Time（JIT）コンパイル可能なPython/JAXフレームワークであるSoRoMoX（Soft Robot Models in JAX）を提案する。

コアアーキテクチャ

統一インターフェース： SoRoMoXは、関節型ロボット、PCSモデル、およびGeometric Variable Strain（GVS）モデルのための共通APIを実装している。このインターフェースは以下を公開する：
- 運動学（Kinematics）： 前向き運動学 $g(q, s)$ 、ヤコビアン $J(q, s)$ 、およびヤコビアンの時間微分 $\dot{J}(q, \dot{q}, s)$ 。
- 動力学（Dynamics）： 慣性行列 $M(q)$ 、コリオリ・遠心力項 $C(q, \dot{q})$ 、重力 $G(q)$ 、弾性 $K(q)$ 、減衰 $D$ 、およびアクチュエーションマップ $A(q)$ 。
- シミュレーション： Diffrax ODEソルバに統合されたオープンループおよびクローズドループのロールアウト。
計算スタック： JAX上に構築されたSoRoMoXは、以下をサポートする：
- 自動微分（AD）： 状態、入力、および物理パラメータに関する微分。
- JITコンパイル： CPU、GPU、およびTPU実行のためのカーネル最適化。
- ベクトル化： jax.vmapを介した、数千の環境を同時にシミュレートするための大規模な並列バッチ実行。
モデルファミリー：
- 関節型ソフトロボット： 柔軟な関節またはソフトアクチュエータ（例：マッキベン筋肉）を持つ直列鎖。
- 連続体ロボット：
  - PCS： セグメント内での一定歪みを利用し、効率性のために閉形式の運動学を用いる。
  - GVS： 基底関数によって近似された可変歪みを用い、有限次元のODE構造を維持しながら、より複雑な変形モードを可能にする。
制御の統合： 本フレームワークにはパッケージ化されたモデルベースコントローラ（PID、Computed Torque、インピーダンス制御）が含まれており、操作空間およびアクチュエーション空間への座標変換をサポートする。

実装の詳細

特異点の処理： コードは、直線構成やゼロの弧長付近でも勾配が定義された状態を維持できるよう、条件付きロジック（lax.cond）を用いて、除去可能な特異点（例：Lie群指数における $0/0$ ）を明示的に処理している。
構造を考慮した評価： システムは、特殊なモデル（例：平面PCS）と一般的な定式化を区別し、計算オーバーヘッドを削減するために、可能な限り低次元の代数や閉形式のマップを使用する。
拡張性： ユーザーは、特定のパラメータ（幾何学、材料特性、アクチュエーション経路）をオーバーライドすることで、ダイナミクスエンジン全体を書き換えることなくカスタムロボットを定義するために、ベースクラスを継承できる。

3. 主な貢献

初のGPU並列化可能な微分可能ロッドベース・フレームワーク： SoRoMoXは、PCSおよびGVSモデルを実装した初のフレームワークであり、ネイティブにGPU/TPU上で動作し、すべてのモデルコンポーネントに対して完全に微分可能である。
制御対応API： すべてのモデルベース制御アルゴリズムに必要な量への統一されたインターフェースを提供し、シミュレーションと制御のコードベースを分離する必要性を排除している。
パフォーマンス・ベンチマーク：
- 逐次CPU実行： 逐次ロールアウトにおいて、最先端の代替手法（SoRoSim）よりも最大18.1倍高速。
- 並列GPU実行： CPUベースのベースラインと比較して、バッチ化されたGPU実行により最大234.6倍の高いスループットを実現。
包括的なケーススタディ： 本論文は、以下の6つの異なるアプリケーション領域におけるフレームワークの有用性を実証している：
- 静的平衡のシステム同定。
- 残差力の学習。
- モデルベース制御（Computed Torque、インピーダンス制御）。
- 制御ゲインの最適化。
- 高次制御バリア関数（HOCBF）を用いた安全性制約付き制御。
- 並列強化学習（RL）。

4. 実験結果

本論文は、定量的なベンチマークとアプリケーションのケーススタディを通じてSoMoXを検証している：

システム同定： 静的平衡データを用いた勾配ベースの最適化により、フレームワークは腱駆動アームの物理パラメータ（ヤング率、ポアソン比、密度）を特定し、マーカーの二乗平均平方根誤差（RMSE）を**66%**減少させた（56.9 mmから19.3 mmへ）。
残差学習： モデルの不一致を補正するために残差一般化力を学習することで、RMSEは特定されたモデルに対してさらに**64%**減少し、最終的な誤差は約6.9 mmに達した。
モデルベース制御：
- Computed Torque (CT)： CTトラッキングは、モデルフリーのPD制御と比較して、RMSEを約500分の1に低減させた。
- ゲイン最適化： 自動化されたゲインチューニングにより、未調整のゲインと比較して制御損失を最大**62%**削減した。
安全性制約付き制御： 障害物との接触を必要とするタスクにおいて、安全性に配慮したコントローラ（HOCLF+HOCBF）は、ピーク接触力を5 Nの範囲内に維持することに成功したが、安全性に配慮しないコントローラは、この制限を超えて33.5 Nに達した。
強化学習： 単一のGPU上での並列ロールアウトを用いたソフトアームのポリシー学習は、PyElasticaベースのCPU実行（512の並列環境を使用）よりも7倍高速であった。

5. 意義と主張

著者らは、So-RoMoXが、剛体ロボティクスの「微分可能かつアクセラレータベース」のワークフロー標準をソフトロボティクス領域に転移させる、パラダイムシフトを象徴すると主張している。

ギャップを埋める： 本論文は、主要なボトルネックはもはやモデルの導出ではなく、そのデプロイメントであると論じている。SoMoXは、低次モデルを大規模な最適化や学習パイプラインで直接利用可能にすることで、このギャップを埋める。
新しいワークフローの実現： パフォーマンスの向上により、高次バリア関数を用いたリアルタイムの安全性フィルタリングや、数日ではなく数分で強化学習ポリシーを訓練するといった、以前は実用的ではないと考えられていたワークフローが可能になる。
再現性と標準化： オープンソースで、文書化が適切になされ、制御に即したインターフェースを提供することで、著者らは、ロボット設計のベンチマーク、再現性、および共有を促進することを目指している。彼らは、連続体ソフトロボットのための標準化されたロボット記述形式（URDFに類似したもの）が分野に利益をもたらすと示唆しており、SoMoXはそのモジュール設計を通じてこれをサポートしている。

結論として、本論文は、現代的なソフトウェア設計の選択肢（特に自動微分、バッチ実行、およびハードウェアアクセラレーション）が、ソフトロボットモデルの実用的な応用を大幅に広げ、それらを理論的な構成物から、現実世界の制御や学習のためのツールへと進化させることができると結論付けている。