双手ロボット操作:技術調査と応用 2025

[←研究]

双手操作は,単腕システムの作業覆盖を10倍解き放し,ハードウェア,データ収集,アルゴリズム設計におけるユニークな課題を導入します.

なぜ 二本制 の 重要 な もの か

リアルワールド環境における高価値な操作作業の大半は,両手が必要である.洗濯物を折り畳み,製品を組み立て,食品の準備,手術の手続き,正確な配置による包装.単腕ロボットが安定化,再方向化,または譲渡を必要としないこれらの作業のサブセットを自動化できる.しかし,興味深い操作作業の60~70%は,手不通のままである.

スタンフォードのALOHAプロジェクトでは,バッテリーをスロットし,スパトルを使用し,キャップを開くような作業を行うための双手ロボットが学習することを示し,双手システムでの模倣学習が実行可能であり,達成可能なデータ量 (50~100回の示例/作業) で驚くほど精巧な作業を可能であることを示したため,研究コミュニティの基準となった.

ハードウェアプラットフォーム

ALOHAとALOHA 2 (スタンフォード)

ALOHA (二手間遠隔操作のための低コストオープンソースハードウェアシステム) は,フォロワーロボットとして2つのViperX300腕とリーダー (遠隔操作) の腕として2つのWidowX250腕を使用しています.総硬件価格は約32,000ドル.

• ALOHA 2は,より高いトークモーター,手首のデザインの改善,よりよいカメラ配置にアップグレードされています (3カメラ:オーバーヘッド + 2つの手首を搭載). 手術レベルの操作を含むより精密な作業を可能にします.スタンフォードとGoogle DeepMindがオープンソースプラットフォームとして公開しました.
• 制御: 50 Hz でリーダーとフォロワーとの関わり位置制御.リーダーとフォロワー間の低遅延イーサネット接続. ROS 2 ベースの.
• データフォーマット: HDF5 シンクロン化された関節位置,速度,エンドエフェクター位置,相機画像はそれぞれ50 Hzと30 fpsで.

ARX5 双腕

ARX5 (Agility Robotics research,現在オープンソース) は,軽量で低コストで研究のために設計された双手式プラットフォームである.ALOHAより高速,軽量に低荷 (3kg/arm vs.ViperXの 750gの評価された用荷) 大学の研究室で採用が拡大している.

ユニバーサルロボット UR3e 双腕

共有作業スペースに搭載された UR3e の両腕は,優れたエコシステムサポート (UR+ プラグイン,広いグリッパー選択) を備えた産業レベルの双手システムを提供します.コスト:グリッパーとセンサーを備えた双腕セットアップで40,000~60,000$. UR3e の内蔵力感知 (±0.1 N 解像度) は接触に富んだ作業の利点です.

ユニットリーH1 / G1 バイマニュアルヒューマノイド

ヒトロボットには,移動ベースと統合された双手操作が提供され,構造化されていない環境での作業を可能にします.Unitree G1 (16,000ドル) と H1 (90,000ドル) は,6DOF操作能力を持つ2つの腕を提供します.専用操作腕よりも低腕精度が与えられていますが,移動 +操作を必要とする作業を可能にします (取,部屋規模での作業).

調整 の 課題

双手操作は,単腕システムには存在しないユニークな技術的な課題を提示します.

• 時間同期: 左と右の腕は,正確なタイミングで調整された動きを実行しなければならない.
• 作業場衝突回避: 両腕は作業場を共有し,互いに衝突したり,操作される物体と衝突したりする.計画には両腕の構成が同時に考慮され,計画状態空間が劇的に拡大しなければならない.
• 移転計画: 物体を一手からもう一手に移す作業では,移転の手が放出される瞬間,受信手が正常に正しい位置と方向に位置することを要求します.
• ** Redundancy resolution:** 12+ DOF (6 Arm) を搭載した双手システムで 6 DOF オブジェクトを操作すると 6+ 度以上の redundancy が得られる. 政策学習はこの redundancy を処理しなければならない.

双手動システムに関するデータ収集

双手データ収集は,単手データ収集よりも約2倍高いが,コストプレミアムはしばしば低估されている.

• **操作者の要求:**リーダー・フォローヤー・テレオペレーションでは,双手システムには (a) 2人の人間操作者が,それぞれ1つの腕を制御するか,または (b) 2つの腕のリーダーシステムを使用する単一の操作者が必要です.ALOHA型.2人の操作者が導入するコアディネーションオーバーヘッド.単一の操作者が ALOHAアプローチは,より操作者のスキルが必要です.
• **同期化品質:**双手作業では,両オペレーター (またはリーダーシステムの両腕) が正確に調整する必要があります.腕同期化が不十分 (>100 ms のタイムミラー) の示例は,転送段階においてフィルタアウトする必要があります.
• **成功率:**双手作業は,同等の単腕作業 (7085%) より通常,操作者の成功率 (5070%) が低い.
• 実用予算: L3の双手作業 (カップの譲渡,オブジェクトの組み立て) に対して,信頼性の高い政策を訓練するために,20005,000の示範予算 (単腕相当の場合は5002,000).

バイマニュアルのための学習アルゴリズム

• **独立した腕の政策 (機能しない):**左と右腕の分離した政策を独立して訓練することは,調整を必要とするあらゆる作業に失敗します.各腕は,他の腕の状態を知らずに,自分の軌道を最適化します.
• 共同状態空間 (必須): ポリシーは両腕の完全な12+DOF共同状態を同時に観察し,両腕の調整されたアクションを出します.ACTは自然にこれを処理します
• Bimanual (標準推奨): H=100と全双双双関節状態が入力されるACTは,双双手操作作業の現在の標準です.オリジナルのALOHA紙は,ACTを使用した50回のデモで,カップの交付で92%の成功とバッテリー挿入で78%の成功を示しました.
• **双手間での拡散政策:**多動行動分布により,二手間政策もうまく処理されます.ACTよりも少し遅い推理が,スタンフォードの基準でより複雑な調整パターンを処理します.

性能基準

Task	Algorithm	Demos	Success Rate	Notes
Cup handover	ACT	50	92%	From ALOHA paper (Zhao et al. 2023)
Battery insertion	ACT	50	78%	From ALOHA paper
Slot battery + close door	ACT	50	65%	From ALOHA paper, complex timing
Cloth folding (T-shirt)	π0 (Physical Intelligence)	Proprietary	~70%	From π0 technical report 2024
Table busing	π0	Proprietary	~65%	Multi-step, variable objects

RCSVは双手データ収集と政策開発のための ALOHA-2と ARX5双手システムを実行しています.双手データ収集プログラムについては,当社の [データサービスチーム]T1]に連絡してください.

RCSVで二手作業データ収集

RCSVは双腕のALOHA-2とARX5システムを搭載し,双手による示範収集を可能にしています.標準データベンダーが処理できない調整感性のある作業に専門です.

連絡先データサービス →