コップを持つときは、指を曲げるだけでは足りません。ふれる場所が悪いと、コップがすべってしまいます。ジーシュエン・シューさんたちの研究チームは、物のどこに指がふれたかに注目しました。指先の近くにある小さなカメラの映像などを使い、人の手の動きをロボットに教える方法を考えました。

人の手とロボットの手は、指の長さも曲がり方もちがいます。だから、人の指の角度だけをそのまままねしても、同じ物を持てるとはかぎりません。研究者は、まず人の指が物にふれた場所を記録しました。次に、ロボット自身の指と手首をどう動かせば、似た場所にふれられるかを計算しました。

六つの手と作業の組み合わせで、ほかの方法と比べました。研究チームによると、作業の最後の段階での平均の成功率は、少なくとも50ポイント高くなりました。たとえば20％から70％になると、50ポイントの増加です。ここでの数字は、研究で決めた作業の結果であり、どんな物でも持てるという意味ではありません。

この方法は、人の実演を記録する部分とロボットが学ぶ部分を分けています。前者では共通の接触形状と指先のカラー画像を使い、手の姿勢を移す前に接触面^[1]を合わせます。後者では接触面の相対的な軌道を上位で予測し、下位の制御部分が手首と指を動かします。ソフトウェアと機器の設計情報も公開されています。人の指の角度をそのまま再現するのではなく、物との接触関係を保存する考え方です。

まだ、いろいろな形の道具や、ぬれた物を持つ場合まで確かめたわけではありません。それでも、指がどこにふれるかを考えることは、見た目が同じ動きでも成功が変わる理由を知る手がかりになります。

人が物をつかむときは、指の形だけでなく、どこにふれてどんな力をかけるかが重要です。同じように指を曲げても、コップをしっかり持てる場合と落としてしまう場合があります。Contact Imitation Interface^[2]は、物の表面で接触する場所がどう動くかを記録し、ロボット自身の手に合う動作を考えます。指先の近くのカメラで接触を見ながら、別の制御部分が指と手首を動かします。人の関節角度をそのままコピーする方法とは違います。

50ポイント以上という数字は、六つの手と作業で測った最終段階の平均成功率です。作業全体や異なる材質でも同じ効果が出るとは限りません。初期の接近動作、指先カメラの校正、接触のずれは別々に調べる必要があります。

改善は六つの特定の手と作業で測ったものです。ぬれたコップ、やわらかい布、予想よりすべりやすい物でも同じ結果になるかは分かりません。見た目が似た指の動きでも、物にふれる条件が変われば、新しい試験が必要です。