ロボットの手は、指の数や曲がる部分の数が機種によって違う。それでも、両手で物を持ち、向きを変える時には、手首と指をうまく合わせる必要がある。Xiaoyu Yang氏とNan Wu氏が提案したAcrossDEX 1.0は、人の動きから学ぶ段階と、仮想環境での練習、ロボットでの記録、カメラを見ながら動きを直す段階をつなぐ方法だ。

最初の学習では、前の一秒間に記録された五枚の画像と三十個の手の状態を使い、次の一秒の両手の動きを予測する。ロボットに合わせる時には、手首の動きに関する共通の部分を残し、指の制御だけをそれぞれの構造に合わせる。実験には、六つの制御入力を持つInspireの手と、十六の関節を持つAllegroの手を使った。

直接予測する方法では、ふたを開けて戻す課題の成功率は40.6％、Inspireで物の向きを変える課題は100％、Allegroでは93.3％だった。別の生成方法はAllegroで90％を示した。ただし、課題が違う数字を並べても、どちらの手がいつも優秀かは分からない。研究では、動きを途中で考え直す時に、前の計画と急に食い違わないようにすることも重要だと報告している。

面白いのは、覚えた例をそのまま繰り返すことと、初めての状況に対応することの違いだ。学習した時と同じではない条件でも動ける力を、ここでは応用力^[1]として考えたい。見事な動画が一つあっても、何回失敗したかは分からない。テストで使った物や明るさを変えたのか、成功例を誰が選んだのか、どんな別の方法と比べたのかを聞くと、研究の意味がもっとよく分かる。新しい技術を楽しみながら、何が実証されて何がまだ不明なのかを分けて読むことが大切だ。 手首の共通した動きと、それぞれの指に合わせた制御を分けることが研究のポイントだ。成功率は物の形や制御方法によって変わる。