Videos

Octoを用いたPick-and-Place

torobooctoimpedance control

事前学習モデルとして、オープンソースの汎用ロボットポリシーであるOctoを使用しました。このOctoモデルを、収集した50サンプルに基づいて微調整しました。学習されたポリシーはタスクの進捗を継続的に監視し、カメラ画像に基づいて次のアクションを生成します。そのため、実行中に失敗や妨害が発生してもタスクを完了することが可能です。

深層予測学習によるテーブル拭き

torobodeep predictive learningimpedance control

早稲田大学の尾形研究室で開発されたDeep Predictive Learningを用いて、ロボットが自律的にテーブルを拭く様子を紹介しています。数十回の人間による遠隔操作のデモより、拭き動作を学習しました。画面左上には学習済みモデルによる予測画像が表示され、青い点はロボットの現在の注目点を、赤い点は注目点の予測位置を示しています。インピーダンス制御により、ロボットはテーブル面との最適な接触力を維持し、スムーズで効果的な拭き動作を実現しています。

ボールの投球

toroboposition control

新型Toroboを用いた、ボールの投球デモです。新型Toroboは旧バージョンよりも軽量化されており、ボールを投げるような高速な動作が可能です。この新モデルは日本では2025年3月、海外では2025年10月以降に発売予定です。詳細については、パンフレットおよびGitHubリポジトリをご参照ください。

新型Toroboと新型ToroboHandのシミュレータモデル

isaac simmujoco

新型Toroboおよび新型ToroboHandのIsaac SimとMuJoCoでのデモンストレーションです。こちらのモデルはOSSと公開しています。公開しているモデルは、Isaac SimとMuJoCoの両方に対応しています。詳細は弊社のGithubをご確認下さい。

強化学習を用いた2足歩行

toroboreinforcement learningisaac simmujoco

Isaac Simにおいて二足歩行の強化学習を実施し、MuJoCoにおいてIsaac Simの学習済みポリシーを使用し歩行しています。Isaac Simでは大規模な並列強化学習が可能であり、短時間で二足歩行のトレーニングを完了することが可能です。また、異なる物理シミュレーターで学習済みポリシーを検証するために、MuJoCoにおける検証を実施し、学習済みポリシーが異なるシミュレータにおいても使用できることを確認しました。

金槌を用いた釘の打ち付け

toroboimpedance control

金槌で釘を打つデモです。金槌からの瞬間的な反発力を、金槌を固定しているゴム素材の弾性、トルクセンサや波動歯車のたわみ要素、バックドライバビリティ、インピーダンス制御を組み合わせて吸収することで、ある程度の力で釘を打ち付けることができます。

ノコギリによる木材の切断

toroboimpedance control

ノコギリで木材を切断するデモです。位置制御でこれを行うと切断量の正確な計測が必要ですが、インピーダンス制御を用いるとそれが不要になり、大雑把な指令だけでうまく切断できるようになります。

パペット式遠隔操作装置を用いた箱運搬

toroboteleoperationpuppeteering

パペット式遠隔操作装置を用いた箱運搬のデモです。ロボットとパペットの関節構成が同じであるため、直感的に操作することができます。台車はパペットの手先に取り付けられたコントローラで制御しています。

Torobo Handにおけるトルク・インピーダンス制御

torobo handimpedance control

トルク・インピーダンス制御が可能なTorobo Handを用いると、物体の正確なサイズを事前に知ることなしに、様々な形の物体を把持できます。

インピーダンス制御を用いたテーブル拭き

toroboimpedance control

インピーダンス制御を用いることでロボットは適切な力でタオルを押し付けることができます。この機能は生成AIとの高い相性があります。

インピーダンス制御を用いた衝撃の吸収

toroboimpedance control

Toroboが25kgのバッグを運搬するデモです。バックドライバビリティとインピーダンス制御により外力の突然の変化を吸収することができます。

Torobo Hand

torobo hand

当社が独自開発した世界最小のサイクロイド減速機を使った10軸多指ハンドです。効率の良いサイクロイド減速機を用いることでインピーダンス制御が可能になります。これにより、様々な物体の形状に倣うだけでなく、可動方向における突き指も防止できます。

Toroboの基本動作

torobo

人型ロボットToroboの基本性能に関する動画です。人と共存するロボットの研究プラットフォームとして、JSTのムーンショット型研究開発事業（目標3：一人に一台一生寄り添うスマートロボット）において使用されています。

Torobo GTCを用いた靴箱ピッキング

logisticsgtc

Torobo GTCを用いた靴箱ピッキングのデモです。ピッキングステーションが不要、24時間無人運用が可能、約3.9メートルの棚からのダイレクトピッキングにより保管効率が高いという特徴があります。

Torobo GTCを用いた靴箱ピッキング（奥行きあり）

logisticsgtc

Torobo GTCを用いた靴箱ピッキングのデモです。奥行方向に複数段ある場合（例えば、これまで人手で行っていた固定ロケーションでの運用を自動化）にも対応可能です。

データセンターでのサーバー点検デモ

tolondatacenter

NTTコミュニケーションズ様所有のデータセンターにおける遠隔点検ソリューションのデモです。モバイルマニピュレータを使用し、アイルキャップの開閉を含む自律移動や、手先6軸姿勢の遠隔制御、手先カメラを用いたサーバラック内の撮影などが可能です。

自律型箱搬送ロボット

tolonlogistics

移動マニピュレータ「Tolon」とモバイルグリッパ®を用いたケース自動搬送のデモです。箱やコンベヤを認識し、自律的に作業を行っています。

全身人型ロボット Toala

toala

人型ロボットToalaの基本性能に関する動画です。モータ電流値から外力を推定することで、関節トルクセンサなしでインピーダンス制御が可能です。

片腕式移動マニピュレータ Tolon

tolon

Tolonは、非対称の腕配置と全方位移動台車により、狭い場所でも作業が可能な移動マニピュレータです。物流におけるマテハン作業、工場内短距離搬送、警備・見回り等を自動化する自律ロボットの開発に最適です。

Toroboを用いた遠隔力制御

toroboteleoperationbilateral control

ネットワークを介して双方向に力を伝達するバイラテラル制御を人型ロボットに応用したシステムです。本システムは、東京ロボティクスが2019年にNTTコミュニケーションズ社によるOpen Innovation Programに採択されて以来、共同開発してきた成果となります。

人型ロボットToala遠隔操作

toalateleoperationmotion capture

関節トルクセンサなしで力制御が可能な人型ロボットToalaを遠隔操作したデモです。Noitom社の Perception Neuron PRO を操作装置として使用しており、Toalaのオプションとして販売しています。

モバイルグリッパによるパレタイジング

mobile gripperlogistics

モバイルグリッパを用いた自動パレタイジングのデモです。左右独立可動グリッパと力検知を使用して、ダンボールを隙間なく積んでいます。

遠隔人型ロボットのバイラテラル制御デモ

flagshipteleoperationbilateral control

ネットワークを介したバイラテラル制御によって、人型ロボットを遠隔地から力制御・位置制御するデモです。NTTコミュニケーションズ様との共同開発の成果となります。

すべての動画はYouTubeでご覧いただけます。

すべての動画