料理では、切る、ぬる、ひっくり返すといった作業ごとに道具が変わり、必要な力のかけ方も違う。Yunchu Zhangらは、ロボットアームが工具を自動交換するSwapBotを発表した。2026年10月29日に公開された研究論文であり、どんな家庭でも料理を完成させる市販ロボットができたという話ではない。

設計の中心は、ロボット側に固定する共通の接続部と、各工具に付ける比較的安価なアダプターである。一つの万能なハンドですべてをこなすのではなく、作業に合った工具を選ぶ。可動部分を持つ工具や複数のロボット機種にも対応する。工具は物理的に固定されなければならず、腕の近くに置くだけでは作業できない。

各アダプターには小型の触覚センサーが入っている。カメラで形や位置が分かっても、物にどれほど強く触れているかは十分に分からないことがある。人が遠隔操作^[1]して作業例を集め、その例をまねる模倣学習で動作を学習させた。豆腐の調理、サラダを混ぜる作業、肉を返す作業などを扱った。

比較実験では、RGB画像だけの学習より、触覚を加えた学習の成功率が15〜25パーセントポイント高かった。遠隔操作の利用者調査でも、作業時間と操作者の負担が減ったと報告している。ただし、これは特定の条件で得られた著者の結果であり、あらゆる工具や材料で同じ改善が得られると証明したわけではない。

技術的な意義は、機械的な接続、接触計測、学習用の作業例の収集を共通化した点にある。視覚と触覚がどの程度役立つか比較しやすくなり、異なる作業でも装置を再利用できる。一方、接続部の摩耗、許容荷重、工具の清掃、交換時間、失敗した接続からの復旧は長時間の運用で確かめる必要がある。

この研究は、複雑な万能の指を作る以外にも、道具を使い分ける方法があると示す。しかし、知らない台所で料理の全工程を自律的に終えられると証明したものではない。多様な物体、予想外の接触、長い反復運転、第三者による再現実験が今後の課題となる。

読者が注目したいのは、どこまでが実験で確かめられ、どこからが今後の目標なのかという点だ。成功した映像だけでなく、失敗した場合にどうなったか、試験中に変えなかった条件は何かを知ると、技術の意味がより明確になる。