この記事は AGILINK によって提供されています。
ウィーンで開催された 2026 年 IEEE 国際ロボット会議 (ICRA) の展示ホール全体で、1 つのデモが不釣り合いな注目を集めているように見えました。
2 つのロボットハンドが風船犬を作成しました。ゆっくりと慎重に、ロボットは長い風船を膨らませずにねじり、ループにし、曲げ、関節を作ります。訪問者は立ち止まって鑑賞し、同僚と一緒に戻って再び鑑賞することもよくありました。
ICRA 2026 では、AGILINK のバルーン ドッグ デモンストレーションが観客を集めました。アギリンク
一見すると、このデモンストレーションはほとんど遊び半分に見えました。しかし、ロボット工学者の間では、風船をひねる作業は特に難しい操作作業であると広く認識されています。
風船は軽量で、変形しやすく、滑りやすく、力に非常に敏感です。ひねるたびにその形状と内部圧力が変化し、一見単純なアクティビティが絶えず変化する物理的相互作用の問題に変わります。
人間はこれらの変化をほぼ直観的にナビゲートします。風船動物を作るときに、力の調整や滑り止め、接触の安定性について意識的に考えることはほとんどありません。彼らはそれを本気で言っているだけなのです。
ロボットにとって、こうした適応は依然として信じられないほど困難です。課題は、指を正しい位置に移動することだけではありません。より難しいのは、オブジェクト自体が変化する間、安定したインタラクションを維持することです。
AGILINK の ICRA 2026 デモのハイライトには、視覚センシング、手の操作、風船動物のデザイン、および同社の最新の OmniHand プラットフォームによって可能になるその他のタッチリッチなタスクが含まれます。アギリンク
この違いは、なぜバルーンドッグがウィーンであれほどの注目を集めたのかを説明するのに役立ちます。スキルの誇示のように見えたものは、多くの意味で、接触そのものの誇示でした。
ロボット操作が進歩し続けるにつれて、同様の結論に達する研究者が増えています。ロボット工学における最も困難な問題の多くは、接触が発生した後にのみ始まります。
風船ひねりは、ロボット工学が解決するのに苦労してきた 2 つの課題、つまり、長期的なタスクの実行と、タッチを多用した操作を同時に組み合わせたものです。
1つ目は動きに関するものです。
風船犬は、一度握ったりひねったりするだけでは作成できません。それは注意深く順序付けられた一連の操作を通じて現れ、それぞれの操作がその後の条件を設定します。初期段階で生じた小さな回転誤差は、最初は重要ではないように見えるかもしれませんが、数段階後には最終構造の完全な形成が妨げられる可能性があります。
その意味で、バルーンツイストは長期的な課題となります。成功は、個々のアクションを正しく実行することだけでなく、操作プロセス全体の将来の実現可能性を維持することにも依存します。
この課題に対処するために、AGILINK はプロのバルーン アーティストからデモンストレーションを集めることから始めました。人間の行動はロボットアームにマッピングされ、初期の操作ポリシーが決定されます。しかし、デモンストレーションが成功しただけでは十分ではありませんでした。
実際には、最も重要な学習の一部は、実行が失敗に向かい始めたときに発生しました。不安定性が現れるたびに、人間のオペレーターが介入し、リアルタイムで操作を修正します。これらの介入は記録され、強化学習サイクルに組み込まれるため、システムは成功したデモンストレーションがどのように展開するかだけでなく、物事がうまくいかなくなり始めたときに経験豊富なオペレーターがどのように回復するかを学習することができます。
このプロセスを通じて、ロボットは長期的なタスクを実行するために必要な能力を徐々に獲得していきました。これは、AGILINK が「能力」という用語でグループ化した能力の集合です。 モーションインテリジェンス: 現実世界の不確実性の下で、アクションを生成し、両手操作の動作を調整し、拡張された操作シーケンスを実行する能力。
OmniHand 3 Ultra-M は ICRA 2026 で発表されます。アギリンク
しかし、動きだけでは風船をひねるのが依然として難しい理由を説明できません。 2番目の課題はコンタクトです。
ロボットは継続的に力を調整し、接触位置を調整し、物体の位置の微妙な変化に対応する必要があります。明示的なルールを使用してこれらの決定を成文化することは困難です。熟練した人間のオペレーターであっても、意識的に策定された戦略ではなく、経験によって培われた触覚に頼ることがよくあります。
これらの介入を分析した結果、多くの失敗は間違った一連の行動が原因ではなく、接触自体の破綻が原因であることが明らかになりました。
このインタラクションのダイナミクスをより適切に捉えるために、AGILINK はタッチに焦点を当てた介入データを収集し、これらのインタラクションを強化学習トレーニングと組み合わせました。このシステムは、どの動作を行うべきかを学習するだけでなく、接触状態が悪化し始めたときに人間がどのように安定性を維持するかを学習しました。
AGILINK はこの機能を次のように説明しています。 諜報機関に連絡する: 力の分布、摩擦、変形、接触形状が継続的に進化するにつれて、物理的相互作用を確立、維持、調整する能力。
2 つの能力の違いは微妙ですが重要です。モーション インテリジェンスは、ロボットが何をしようとしているかを決定します。コンタクトインテリジェンスは、彼がそうし続けることができるかどうかを判断します。バルーンツイストの場合は両方が必要です。 1 つは一連の操作を提供するものです。 2 つ目は、これらの操作を物理的に実行可能な状態に保ちます。
YouTuber の KhanFlicks は、AGILINK ブースで風船犬の折り方を学ぶ OmniHand の動きを追っています。アギリンク
滑る風船と爆発する風船の間には、狭い安定領域が隠れています。操作が成功するかどうかは、このゾーンを見つけて、ミッション全体を通してそのゾーン内に留まるかどうかにかかっています。
OmniHand 3 Ultra-M の熟練の技をご紹介します
風船犬のデモンストレーションでは操作能力を披露しました。また、より広範な疑問も明らかになりました。学習だけでどの程度のタッチインテリジェンスを獲得できるでしょうか?ロボットが制御できるのは、認識できるものだけです。ハードウェアが許す限りの速度でのみ応答できます。
操作タスクがますます複雑になるにつれて、研究者は、進歩はより良いポリシーだけでなく、より豊富なセンシングとより迅速な物理的反応にも依存していることに気づき始めています。
この認識は、ICRA 2026 での AGILINK の 2 番目の重要な発表の背景を形成しました。同社はバルーン犬のデモンストレーションと並行して、 オムニハンド 3 ウルトラ M。
OmniHand 3 Ultra-M は、成人の手のサイズに非常に適しています。アギリンク
2 つの展示は、同じ技術的な道の異なる段階を表していました。バルーン ドッグがタッチ インテリジェンスが達成できることを今日すでに証明しているとすれば、Ultra-M はタッチ インテリジェンスが何を必要とするかを探求するために設計されました。
タッチ インテリジェンスのためのハードウェアの構築
大人の手とほぼ同じサイズの OmniHand 3 Ultra-M には、人間スケールのフォーム ファクター内に 20 のアクティブな自由度が組み込まれています。
最大の特徴は完全ダイレクトドライブアーキテクチャです。システム全体にダイレクトドライブ作動を採用することで、ハンドはより迅速かつ透明性の高い力調整とより高い力制御帯域幅を可能にするように設計されており、接触状態の変化に対するより迅速な応答が可能になります。タッチ操作が多い操作では、感知自体と同じくらい応答性が重要になる場合があります。
システム全体にダイレクトドライブ作動を採用することで、OmniHand 3 Ultra-M は、より迅速かつ透明性の高い力調整とより高い力制御帯域幅を可能にし、接触状態の変化に対するより迅速な応答を可能にするように設計されています。
このプラットフォームには、手のほぼ全体にわたる触覚センシングも組み込まれています。各指先には視覚に基づいた小型の触覚センサーが含まれており、手のひらには 300 以上の三次元触覚点が点在しています。これらを組み合わせることで、接触が発生する場所だけでなく、接触がどのように発展するかについての情報も提供されます。
このシステムは、従来の位置ベースの制御システムでは認識できないことが多かった応力分布、せん断力、局所的な変形、滑り傾向、その他の相互作用ダイナミクスを推定するように設計されています。
AGILINK のテストによると、個々のセンサーは約 0.005 N の力の分解能を達成しています。これは、指先に置かれた紙の重さを検出するのと同等です。空間分解能は約 0.04 mm に達し、検出密度は 1 平方センチメートルあたり 50,000 検出点に近づきます。
OmniHand 3 Ultra-M は、視覚ベースの触覚センシングを使用して羽毛の質感を検出します。アギリンク
熟練したロボットにとって、タッチは伝統的にほとんど隠されたプロセスでした。 Ultra-M は、このプロセスをより見やすくするように設計されています。
システムは、接触が発生したことを単に検出するのではなく、相互作用がどこで発生するか、力がどのように分散されるか、不安定性が現れ始めているかどうか、およびそれに応じて操作戦略をどのように適用する必要があるかを解決しようとします。
風船犬は、Modiin Maga がすでに達成できることを垣間見せてくれました。 Ultra-M は、タッチ インテリジェンスをさらに推し進めるためにはどのような機能が必要か?という別の質問を検討します。
物理世界は依然として最も困難な尺度である
触覚知性の重要性は、風船動物をはるかに超えています。自動化に抵抗し続けている多くの作業には、ケーブルの挿入、衣類の取り扱い、柔軟な梱包、繊細な組み立て、ファスナーの調整、工具の使用、家庭内での操作など、不安定または変形しやすい操作が含まれます。
これらのタスクが難しいのは、ロボットが正しい位置に到達できないためではなく、接触が始まった後に安定した対話を維持することが依然として特に難しいためです。
何十年にもわたって、ロボット工学は不確実性を軽減することで多くの成功を収めてきました。工場は、ロボットの動作が予測可能、再現可能で、高度に構造化されるように設計されています。物理世界は異なる動作をします。
ロボット工学研究のシェアはますます増加しており、基本的に予測不可能な環境内でロボットがどのように物理的接触を行い、維持し、適応できるかを理解する、相互作用そのものに向けた取り組みが進んでいます。
動く物体。ワープ素材。可変摩擦。タッチが発達します。実際の環境がスクリプトに従うことはほとんどありません。このレンズを通して見ると、風船犬は決して風船犬のことではありませんでした。 ICRA で注目を集めたのは、視覚的に印象的なデモンストレーションだけではなく、物理世界における知能は最終的には相互作用を通じて測定されるということが明らかになったことでした。
移動が成熟し続けるにつれて、ロボット研究の割合が増加しており、基本的に予測不可能な環境内でロボットがどのように物理的接触を行い、維持し、適応できるかを理解する、インタラクションそのものに向けた研究が進んでいます。
構造化された環境を超えて、予測不可能な現実世界の設定に移動するロボットにとって、接触の管理は動作自体と同じくらい重要になる可能性があります。
