ロボットの映像でいちばんよく目にするのは、歩いたり走ったりバランスをとったりする姿です。ところが現場で足を引っ張るのは、その次の場面、手を伸ばして物をつかむ瞬間です。人が何も考えずにしているこの動作は、ロボットにとってはいまも最難関の問題群に入ります。
歩くこととつかむことは問題の種類が違う
歩行は自分の体だけを扱えば済みます。関節の数は決まっていて、地面という相手も比較的一定です。シミュレーションで数百万回繰り返して学ぶのに向いた問題です。
つかむ動作は、相手が毎回変わります。重さも素材も形もわからない物体を扱い、滑りやすいか柔らかいかは実際に触れてみるまでわかりません。視覚だけでは得られない情報が決め手になる点が、この問題の性格を決めています。

自由度が増えると制御が難しくなる
人の手には20を超える関節があります。それをまねた多関節ハンドは、できることが増えるぶん、制御すべき変数が急激に増えます。
| グリッパーの形 | 自由度 | 特徴 |
|---|---|---|
| 2本指のグリッパー | 1前後 | 制御が単純で故障が少ないが、つかめる物が限られる |
| 3本指 | 数個 | 円筒形と平らな物体の両方を扱える |
| 多関節ハンド | 20以上 | 人に近い操作ができるが、制御と保守のコストが大きい |
現場への導入が2本指のグリッパーに集中しているのはそのためです。つかめる物を絞る代わりに、故障率と制御の難しさを下げるトレードオフです。倉庫で物をつかむロボットが人の手の形をしていないのも、同じ判断によるものです。
触覚センサーの役割
触覚センサーは、触れた瞬間の情報を返します。接触面の形、滑り始め、握る力の分布といった情報です。
最近広く研究されているのは、柔らかいジェル層の内側にカメラを入れ、物体が押しつけられた跡を映像として読み取る方式です。圧力センサーを細かく並べる代わりに、カメラ1台で高解像度の接触情報を得るアプローチです。MITの研究チームは、指の形をした本体の中に鏡を入れ、カメラひとつで指の全長を見られるようにしたセンサーも発表しています。
視覚はどこをつかむかを決め、触覚はいま落としかけているかを教えてくれます。視覚の情報だけでは、物を落としてから初めて気づくことになります。
なぜまだ標準装備ではないのか
- 耐久性。 触覚センサーは、何度も押され、こすられる部分に取りつけられます。消耗品に近いため、交換の周期とコストが導入判断に入ってきます。
- データ。 視覚データはインターネットにあふれていますが、触覚データはほとんどありません。センサーごとに出力形式も違い、再利用が難しくなっています。
- 処理速度。 滑りを検知して握る力を強める反応は、数十ミリ秒以内に終わらなければ意味がありません。検知そのものより、反応ループの速さが鍵です。
まとめ
ロボットの歩行の問題がかなり解決したあとも、つかむ問題が残っているのは、相手が毎回変わり、決め手になる情報が触れてみないと得られないからです。触覚センサーはその情報を補う装置で、ジェルとカメラを組み合わせた方式によって解像度の問題はかなり解決しました。残るのは耐久性とデータ、そして検知から反応までの速さです。手の性能が上がる速さが、そのままロボットに任せられる作業の範囲を決めるとみられます。