PhysCoRe、変形物体の予測を物理補正で安定化する新手法
3行解説
- PhysCoReは、変形する物体の動きを予測する研究です。
- 物理シミュレータと2つのニューラルネットを組み合わせました。
- 実物の操作データで、予測精度の向上を確かめました。
PhysCoReが示した変形物体予測の新しい組み方
2026年7月22日、Haocheng Yin氏らは、変形する物体の動きを予測する研究「PhysCoRe」をarXivで公開しました。対象は、押すと形が変わる布や柔らかい物体です。ロボットがこうした物体を扱うときは、動きが読みづらく、予測が外れやすいという課題があります。
PhysCoReは、微分可能なMaterial Point Method（MPM、物体を小さな点の集まりとして計算する物理シミュレータ）に、2つの前向きニューラルネットを組み合わせています。Material from Motion（MfM）は、見た目の情報から粒子ごとの弾性を推定し、物体ごとの性質をシミュレータに反映します。Residual from Dynamics（RfD）は、シミュレータだけでは表しきれないずれを学び、内部の動きに補正を加えます。さらに、MfMは少ない接触回数でも新しい物体の性質を推定でき、推定の自信度も出します。
実験では、実物の変形物体を使った操作列で、PhysCoReが既存手法より高い予測精度を示しました。自信度の分布も物体の形に沿って安定しており、どこを追加で調べるべきかを示す手がかりにもなっています。
なぜ「物理シミュレータ＋誤差補正」が効くのか
この研究の面白さは、学習だけ、物理だけ、のどちらかに寄せなかった点です。PhysCoReは、まずMPMで大まかな動きを作り、その上でMfMが素材の違いを入れ、RfDが残ったズレを直します。布、袋、柔らかい部材のように、毎回少しずつ形が変わる対象では、この二段構えが効きやすい構成です。特に、少ない試行で新しい物体を見分けたい場面では、推定の自信度まで出せる点が実務上の手がかりになります。
変形物体の動きを先に読めるようにする考え方は、把持や受け渡しの安定化にもつながります。こうした研究の積み重ねは、ロボットが扱える作業の幅を少しずつ広げています。
ロボット導入・自動化をご検討の方へ
「自社にはどんなロボットが合うのか」お悩みではありませんか。貴社の現場課題に合わせた最適な活用方法をご提案します。まずはご相談・資料請求からお気軽にどうぞ。
