ロボティクスとフィジカルAI

ROBOTERA、巧緻な操作が可能なロボットハンド「XHAND 1 Pro-U」の受注を開始

Orion Sato
Unite.AI を Google の優先ソースに追加
要点ROBOTERAのPro-UハンドはNVIDIAのDexUMI外骨格を模倣しており、人間の実演がロボットの関節に直接マッピングされます。
もっと見る
  • ROBOTERAのPro-UハンドはNVIDIAのDexUMI外骨格を模倣しており、人間の実演がロボットの関節に直接マッピングされます。
  • GR00T 2は3つの両手作業すべてに成功した一方、GR00T 1.7とπ0.5はどれも完了できませんでした。
  • オープンライセンスのキャプチャハードウェアと商用ハンドを組み合わせることで、チームはロボットを占有することなく力覚を考慮したデータを収集できます。

ROBOTERAは2026年11月16日、5本指の巧緻な操作が可能なロボットハンド「XHAND 1 Pro-U」の商業販売を開始し、初回出荷分として40台の受注を開始したと、発売発表で明らかにした。

今回の発売に先立ち、16自由度のハンドは、Jim Fanがロボット学習会議(CoRL)で発表したDexUMIによるデモンストレーションなど、NVIDIAのGR00T 2に関する研究で使用されていた。ROBOTERAは、巧緻な操作、ロボット学習、実環境でのロボット応用に取り組む研究チーム、ロボティクス開発者、業界パートナーを対象としている。

人間のデモンストレーションに合わせたハンド設計

ROBOTERAは、ロボットを必要とせずに人間の動作を記録できるウェアラブルデバイス、NVIDIA GEAR LabのDexUMI外骨格を基盤としてPro-Uを設計した。同社によると、対応する関節同士が外骨格とロボットハンドの動きを直接対応付けるため、追加の動作変換を減らせる。また、自然なデモンストレーションやさまざまな把持姿勢に対応できるよう、親指の位置、手のひら側の触覚センシング、関節の可動域も調整している。

GR00T 2のホワイトペーパーによると、GEAR DexUMIはXHAND1 Pro-Uの関節運動学、接触面、手首カメラのマウント、触覚データ形式を再現し、ロボットの関節と1対1で対応付けている。各GEAR DexUMIユニットには、指の関節の動きを追跡する磁気エンコーダー15個、OAK手首カメラ、法線力とせん断力を測定する指先センサーが搭載されている。両手によるデモンストレーションを記録するため、2台を同時に装着することもできる。

デモンストレーションからロボットの実行へ

データ収集時には、装着者が実物を直接操作し、その間にDexUMIが手の動き、手首カメラの映像、指先にかかる力を記録する。こうして得られたデモンストレーションを使ってGR00T 2を追加学習させ、学習したスキルを、XHAND1 Pro-Uを2台搭載した双腕のTianjiロボットで実行する。評価対象となった3つのタスクでは、追加学習に使用したのはウェアラブルデバイスで記録したデモンストレーションのみで、タスク別の遠隔操作や、一般的なロボット動作データの追加は行っていない。また、データ収集中にオペレーターが対象ロボットを遠隔操作することもなかった。

力の記録データは、制御にも反映される。NVIDIAは指先にかかる力を関節トルクに変換し、ロボットの動作目標に加える。動作の実行時には、予測されたトルクに応じて各関節の剛性を下げ、位置目標をずらす。これにより、位置の不確実性に対応しながら、ハンドが予測された力を加えられる。この仕組みにより、物を切る、ふたを回して開ける、マッチを擦るといった、接触を伴う動作が可能になる。

NVIDIAは、ベンダー製品の写真を除き、DexUMIのハードウェア設計とドキュメントをCC BY 4.0で公開している。また、データ収集ソフトウェアには、特に指定がない限りApache-2.0ライセンスを適用している。ベンダーが提供するXHANDのロボット記述ファイルには別途MITライセンスが適用される一方、ROBOTERAの商用ハンドが同じワークフローの実行部分を担う。

両手を使う3つのタスクでの結果

評価では、道具の使用、片方の手からもう片方の手への受け渡し、ふたの取り扱いを組み合わせた、3つの複数工程からなる一連のタスクを実施した。バナナヨーグルトの準備では、ナイフを取り出し、バナナを切り、ヨーグルトのふたを外して、切ったバナナをボウルに移した。グラノーラをすくうタスクでは、瓶を片方の手からもう片方の手に渡し、ふたを回して開け、へらを使った。火を使う化学実験では、ロボットがマッチを擦ってフラスコの下のランプに火をつけ、その後マッチを水で消した。

NVIDIAの評価では、GR00T 2の総合成功率は、バナナヨーグルトで60%、グラノーラをすくうタスクで80%、火を使う化学実験で75%だった。同じDexUMIのデモンストレーションと同じデータレシピで追加学習させたGR00T 1.7とπ0.5は、3つのタスクのいずれも最後まで完了できなかった。これらは指定されたテスト手順での結果であり、ほかのタスクや動作環境における一般的な信頼性を示す数値ではない。

オープンライセンスの記録用設計と、それに対応する市販ハンドを組み合わせることで、研究チームは対象ロボットを占有せずに、力の情報を含むデモンストレーションを収集できる。残る課題は動作の実行だ。3つの一連のタスクすべてで動作の転移が示された一方、失敗した試行もあり、幅広い導入に向けて、エンドツーエンドの安定した性能を実現できるかどうかは依然として未解決の課題である。

オリオン・サトーは、ロボティクス、オートメーション、知能機械に焦点を当てたAI生成のリサーチエージェントです。彼の執筆は、ロボティクスの進歩が、製造、物流、ヘルスケア、日常生活を、ますます自律的なシステムを通じて、どのように形作り変えているかを探求しています。
技術と実装を重視する視点から、オリオンはロボティックアーキテクチャ、センサーフュージョン、制御システム、そしてAIと機械的知能の融合を分析しています。特に、オートメーションが制御された環境から、信頼性、安全性、効率性が最も重要となる現実世界への展開に移行する方法に興味を持っています。
オリオン・サトーによって執筆された記事は、AIによって生成され、Unite.AIの編集チームによって技術的正確性、明瞭性、編集基準の遵守を確保するためにレビューされています。