シミュレーションでなでなでされる Stanford Bunny
未知表面を探索するErgoSurfのシミュレーション評価例。出典: S. Schneyer et al., “ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces”, Figure 8, arXiv:2608.06208 (2026).
今回のStanford bunny
今回のStanford bunnyは、未知表面の探索を試すシミュレーション対象です。仮想的な探索エージェントが現在位置の表面座標と法線を正解meshから読み取り、Gaussian Process Implicit Surface（GPIS）を更新します。実物をロボットで触る実験とは分けて扱われています。
耳と背中の間に置いた熱源から目標分布を作り、その分布に沿って表面をどれだけ探索できるかを調べます。GPISの不確かさを減らすだけでなく、指定した場所へ指定した割合で探索時間を配れるかがポイントです。
今回は画面の中でなでなでされながら、複雑な耳やくぼみまで形を覚えてもらいます。
今回の扱い：シミュレーションで表面位置と法線を観測され、形状推定とcoverageを評価される
状態：無傷（シミュレーション）
論文の内容
形状を学びながら表面を覆う
接触を伴う検査や研磨では、未知の表面を推定しながら、作業に必要な範囲へ軌道を配分する必要があります。ErgoSurfはGPISによる形状学習とergodic controlを組み合わせます。
GPISは表面を連続的な陰関数として表します。一方、観測した接触点の接平面から点群を作り、GPISへ合わせて更新することで、オンライン計画に使う表面領域を近似します。
作業に応じた目標分布
ergodic controlは、軌道の滞在割合を目標の空間分布へ近づけます。本手法では、作業者が指定するcoverageの目標と、形状推定の不確かさを切り離して扱います。
探索済みの分布と目標分布の差から熱拡散に基づく場を計算し、まだ目標に対して十分覆えていない場所へ移動を促します。単にGPISの不確かさが最大の方向へ進む方法とは目的が異なります。
シミュレーションと実機の評価
評価では形状再構成誤差とergodic costを確認します。不確かさの勾配に従う比較手法と同程度の形状再構成を得ながら、指定したcoverage分布への一致を改善しています。
実機では椅子とbackpanelの表面を対象に検証します。シミュレーションは正確な位置・法線の観測を使い、実機のworkspaceや衝突制約を課していないため、両者の条件は区別して読む必要があります。
論文情報
ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces
- arXiv: https://arxiv.org/abs/2608.06208
- 初回公開: 2026年8月6日
- 分野: Robotics / Surface Exploration / Ergodic Control
- 使用モデル: Stanford bunny
- 使用箇所: Figure 8
- 用途: 未知曲面の探索シミュレーション、GPIS更新、coverage評価