ソフトロボットの繊細な制御をリザバーコンピューティングで実現：ロボット開発ニュース

東京大学らは、液体相変化パウチアクチュエーターの複雑な履歴依存挙動をAIで学習する手法を開発した。AI技術「リザバーコンピューティング」を応用した独自のフレームワークを用いている。

[MONOist]

　東京大学は2025年10月20日、液体相変化パウチアクチュエーターの複雑な履歴依存挙動（ヒステリシス）をAI（人工知能）で学習する手法を開発したと発表した。AI技術「リザバーコンピューティング」を応用した独自のフレームワーク「PhysRes（Physical Hysteretic Reservoir）」を用い、これまで制御困難だった非線形ダイナミクスを予測可能にした。テキサス大学およびリバプール大学との共同研究によるものだ。

液体相変化パウチアクチュエーターとソフトグリッパーの構成と動作例［クリックで拡大］ 出所：東京大学

液体相変化パウチアクチュエーターの変形データ取得、状態推定、モデリングを実施 出所：東京大学

　液体相変化パウチアクチュエーターは、内部の液体を加熱、気化して動作する柔軟な装置だ。ソフトロボットの駆動装置として有望視されている。過去の状態に依存するため制御が難しかったが、PhysResはこの履歴依存性を「情報」として活用。アクチュエーターの表面変形をモーションキャプチャーで取得し、AIモデルに時系列の位置座標データとして入力した。

　まず、入力された全ての座標データを連結し、「状態行列」を構築。この行列の前半部分（現在の状態）を用いて、後半部分（未来の状態）を予測するようにモデルを訓練する。最終的に、この「状態」を入力として、アクチュエーターの振る舞いを支配する抽象的な内部状態（潜在空間）を、線形回帰という手法によってモデルを学習する。

　開発されたモデルは、将来の変形状態を高精度に予測することに成功した。研究チームは、この技術を搭載したソフトロボットグリッパーを試作し、ティッシュやポテトチップスを損傷なく把持。物理的ヒステリシスをAIの「計算資源」として利用する新たな発想を実証した。

液体相変化パウチアクチュエーターによる繊細なものをつかむ動作 出所：東京大学

　今後は、触覚情報の統合や、素材自体が環境を認識し、学習および判断する「計算する素材」への応用など、身体性を持つロボット知能への展開を進めていく。

⇒その他の「ロボット開発ニュース」の記事はこちら