承知しました。Franka Emikaの協働ロボット「Panda」を使用した直近5年間の学術論文を中心とした研究事例を調査します。研究分野の指定がなかったため、幅広い分野（例：ロボット制御、機械学習との統合、リハビリテーション、教育、産業応用など）を対象にします。
調査が完了次第、論文タイトル、研究内容の要約、発表年、関連分野などを整理してお知らせします。
Franka Emika社「Panda」を用いた近年の研究事例（2020〜2025年）
近年、Franka Emika社の協働ロボット「Panda」（7自由度アーム、各関節にトルクセンサ搭載）が、多様な研究分野で実験プラットフォームとして活用されています。以下では、2020年以降の主要な学術研究例を分野別にまとめます。
ロボット制御プラットフォームの開発
- 「A Modular Robotic Arm Control Stack for Research: Franka-Interface and FrankaPy」 (2020) – Kevin Zhangら（米CMU）の研究（arXivプレプリント）。協働ロボットPandaの低レベル高速制御（1kHz駆動）と高レベルPythonインタフェースを統合したモジュール型制御スタックを提案しています。高水準の操作コマンドを「スキル」として抽象化し、軌道生成・フィードバック制御・終端判定に分解して実行します。外部センサからの物体位置などの情報もリアルタイムで制御ループに組み込み可能で、この柔軟な構成により新たな制御手法を迅速に試作できます。実際に本手法は5件以上の研究でPandaを用いた実ロボットタスクに適用され、有用性が示されています。Pandaの7自由度トルク制御機能（libfranka経由）にアクセスし、Cartesianインピーダンス制御等を自在に組み替えられる点が特徴であり、研究用途に適した柔軟なロボット制御基盤となっています。
機械学習・強化学習との統合
- 「panda-gym: Open-source goal-conditioned environments for robotic learning」 (2021) – Quentin Gallouédecら（仏EC Lyon）の研究（NeurIPS 2021ワークショップ）。Pandaロボット向けの強化学習環境パッケージ「panda-gym」を公開しています。OpenAI Gymインターフェース上に、到達・押出し・スライド移動・把持配置・積み上げの5つのタスク環境を構築し、いずれも目標指向型（Multi-Goal RL）の定式化を採用しています。物理エンジンにはオープンソースのPyBulletを用い、新しいタスクやロボットを容易に追加拡張できる設計です。また最新のオフポリシー強化学習アルゴリズムによるベースライン結果も提示されており、コードはオープンソースで公開されています。シミュレータ上とはいえPandaの7軸アームの運動学や操作課題を模倣しており、研究者がシミュレーションから実機Pandaへの移行を視野に入れて強化学習を開発・評価できる環境となっています。
- 「Synchronous vs Asynchronous Reinforcement Learning in a Real World Robot」 (2023) – Ali Parsaeeら（カナダ・アルバータ大）の研究（AAMAS 2023）。実機Pandaを用いた強化学習において、同期型と非同期型の学習方式の性能比較を行ったものです。Pandaアームに先端カメラ（Webカメラ）と赤いターゲット（ビーンバッグ）を取り付け、画像入力に基づきターゲットに手先を到達・保持する視覚ベースタスク（「ビジュアルリーチング」課題）で評価しました。比較実験の結果、非同期型RLエージェントの方が学習速度が速く、得られる累積報酬も有意に高いことが示されました。これはリアルタイム環境でエージェントの応答遅れを減らせる非同期方式の利点を示しています。安全面では、Panda用に開発した環境「Franka-Env」においてアームの可動範囲を40×60×30cmの領域に制限し、動作停止や減速による安全措置を講じています。Pandaの高速レスポンス制御（1kHz）と高精度な操作が物理実験でのRL性能差の検証に活かされた事例です。
人間とロボットの協働 (HRC: Human-Robot Collaboration)
- 「CoHRT: A Collaboration System for Human-Robot Teamwork」 (2024) – Sujan Sarkerら（米バージニア大）の研究（arXivプレプリント）。複数の人間とロボットによるチーム協調作業のためのシステム「CoHRT」を提案しています。サーバ・クライアント型アーキテクチャ上で、1台のPandaロボットと2人の人間が協働し、ブロック積み上げとジグソーパズル解きを同時並行で行うタスクを設計・実演しました。本システムにより、ロボットの協調動作ポリシーがチームのパフォーマンスや人の信頼・安心感に与える影響をデータ収集・分析できます。また、より大規模なチームや多様なタスクへの拡張も可能です。Pandaは安全かつ高度な対人協調性を備えた最新ロボットとして採用されており、七軸による冗長性と軽量設計による高い俊敏性, トルクセンサ内蔵の関節による高度な力制御と衝突検知機能により、防護柵なしで人と直接協調作業が可能です。こうした特徴から、Pandaは人とのチーム作業研究のプラットフォームとして理想的であり、協働作業中のロボット動作の可読性や予測可能性が人に与える影響など、人-ロボット協調の質的向上に関する研究を促進しています。
- 「Trust Dynamics and Verbal Assurances in Human Robot Physical Collaboration」 (2021) – S. Abdul Malikら（米ジョージア工科大）の研究（Frontiers in Robotics and AI）では、Pandaを人と協働させる際の信頼形成と音声による安心感向上について調査しています。（※本論文ではPandaを模擬した混合現実環境で実験を行っており、物理的協働における信頼関係のダイナミクスを分析しています。）
(他にも、Pandaを用いた対話型ピック＆プレースやマルチモーダルな意思疎通の研究例として、ロボットが人間に視線やジェスチャーで意図を伝達し共同作業を円滑化する手法などが報告されています。)
安全制御と衝突回避
- 「Collision Avoidance in Model Predictive Control using Velocity Damper」 (2024) – Arthur Haffemayerら（仏LAAS他）の研究（ICRA 2025採択予定）。モデル予測制御（MPC）に基づくロボットアームの安全制御手法で、Pandaを用いて実験検証しています。従来の距離に基づく障害物回避制約ではロボットが障害物に近づいた際に動作が飽和しがちです。そこで相対速度も考慮した「速度ダンパ」制約を導入し、安全距離を動的に確保する手法を提案しました。この制約をMPCフレームワークに組み込み、数値ソルバに解析的勾配を提供することで厳格に適用します。実機Panda（7自由度トルク制御ロボット）上で実装・実験した結果、動的な作業において効果的な衝突回避と外乱に対するロバスト性を示しました。開発した手法のオープンソース実装も公開されており、Pandaの高精度な力制御と高速応答を活かして人・障害物との安全な共存を実現する一例となっています。
- 「Composite Learning Adaptive Interaction Control for High-DoF Robots」 (2022) – 高自由度ロボットの適応インタラクション制御に関する研究例です。Franka Emika Panda（7自由度）上で力制御型インピーダンス制御を実装し、人との接触タスクにおける安定性と性能を向上させる複合学習に基づく制御則を提案しています。実験では人間の腕にPandaを装着したリハビリ動作で本手法の優位性を検証し、従来手法より良好な追従精度と柔軟な力加減を示しました。Pandaの高精度トルクセンサとインピーダンス制御機能を活かし、安全で適応的な人間協働制御を実現した例と言えます。
リハビリテーション・介護応用
- 「Assistive Robots for Patients With Amyotrophic Lateral Sclerosis: … Early-Stage Demonstrator」 (2022) – Robert Klebbeら（独Charité病院）の研究（JMIR Rehabilitation and Assistive Technologies）。筋萎縮性側索硬化症（ALS）患者の自立支援を目的に、半自律型のロボット介護システム「ROBINA」を開発・評価したものです。Pandaロボットに2指グリッパを装着し、飲料の提供やスクラッチ動作補助など日常生活動作を支援する複数のタスクを実装しました。11名のALS患者を対象としたラボ実験では、本システムが日常生活で有用と評価され、システムの総合的な使いやすさはSUSスコア中央値90/100点と「優れている」と評価されました。Pandaの7軸アームと各関節の高感度トルクセンサにより、被介護者に対して繊細で安全なインタラクションが可能となっており、ユーザの意図に応じた部分自律動作（例：顔・口位置検出に基づくコップ飲みの支援等）も実現されています。今後の課題として、利用者の残存能力に応じてロボットの自律度や操作支援を調整することが指摘されており、Pandaを含む協働ロボットが重度障害者の自立支援に貢献できる可能性を示す成果となっています。
- 「Post-Stroke Rehabilitation Using Collaborative Robotic Therapy」 (2021) – 協働ロボットを用いた脳卒中患者のリハビリ支援に関する事例です。Pandaと他社協働ロボット（UR5e）の性能を比較検討し、7自由度で冗長性を持つPandaは特定姿勢を保ったまま他関節を動かして回避動作ができるなどの利点を持つ一方、商用ソフトの安全境界設定機能が成熟していない点が課題と報告されています。初期検討の結果、安全性と開発容易性の観点から当該研究ではUR5eが採用されましたが、Pandaの高い柔軟性と将来性も指摘されており、リハビリロボットとしての潜在力が示唆されています。
(この他、Pandaロボットはリハビリテーション研究コミュニティで広く注目されており、筋電センサやVRと組み合わせたリハビリ訓練支援、脳卒中後の上肢機能回復を目的とした運動療法デバイスなど、多数の研究に利用されています。)
教育・学習用途での利用
- 大学教育におけるPanda活用 – Pandaの手頃な価格と安全設計により、教育現場での導入も進んでいます。例えばミュンヘン工科大学では10台のPandaを学生実習用ラボに配備し、安全な協働ロボットによるハンズオン教育を実現しています。軽量で人に優しいPandaは、学生が実際にロボットに触れてプログラミングや制御を学ぶのに適しており、その7自由度構成はロボットアームの冗長性という高度な概念の理解にも役立っています。実機を用いた体験的学習により、高度なロボット制御やAI実装のスキル習得が促進されるだけでなく、卒業後の産業応用に直結する実践的能力を養うことができます。さらにスタンフォード大学やトロント大学などでもPandaを用いた遠隔ロボットプログラミング演習や教育研究が報告されており、教育プラットフォームとしてのPandaは国際的に広がりを見せています。
- 「A Powerful Duo for Seamless Robotics Programming and Integration」 (2024) – Sebastián Gutiérrezら（スペイン・ナバーラ大）の研究では、教育用途に適したPanda用ソフトウェアフレームワーク「panda-py1」を提案しています。ROSやMATLABとの親和性が高く、初心者でも直観的にPandaを操作・プログラミングできる環境を整えることで、大学のロボット教育カリキュラムへのPanda導入を容易にする取り組みです。
以上、2020年から2025年にかけて発表されたFranka Emika社Pandaロボットの研究事例を分野横断的に紹介しました。Pandaは力覚センサ内蔵の協働ロボットとして、制御理論から機械学習、人間との相互作用、安全工学、リハビリ・教育分野まで幅広い応用研究に貢献しています。その高い操作性と安全性により、研究コミュニティで標準的プラットフォームになりつつあり、今後も様々な分野での活躍が期待されます。
参考文献: 各論文の出典はIEEE Xplore、Springer Link、ScienceDirect、arXivなど信頼性の高いデータベースより収集しています。 など.
