ロボットアームが複雑に障害物が存在する作業空間で任意の空間経路を移動できる能力は、多くの産業において強く求められている。近年、クォータニオン関節という技術がケーブル駆動冗長マニピュレータという特定クラスのロボットアームに新たな可能性をもたらしている。クォータニオン関節の最大の利点は、自由度あたりに必要なモータ数を削減し、より小型でコンパクトなロボットシステムの実現を可能にすることである。 しかし、クォータニオン関節の複雑な運動学モデルは、マニピュレータの設計段階での意思決定を困難にし、制御システムに高い計算負荷をもたらす課題がある。さらに、設計と実際の製造物との間に生じるズレが非線形性によって増幅されるという問題も存在していた。本研究では、4セグメント8関節で構成される新型マニピュレータが、既存の設計よりも広い作業空間を達成でき、かつ低いハードウェアコストで実現可能であることを示した。 本研究の重要な成果は、制御アルゴリズムにおいて残差強化学習（Residual Reinforcement Learning）が従来の FABRIK アルゴリズムを大幅に上回ることを実証した点である。残差強化学習は位置精度と姿勢精度の両面で FABRIK より 3 桁以上優れた性能を発揮し、この新型マニピュレータの精密な制御を実現している。さらに、提案された制御実装はより単純であり、設計者に新しいマニピュレータシステムと対応する制御システム開発のための強力なツールを提供する。本手法は、この種のロボットアームの設計および制御システムの開発における新たな標準となりうる方法論である。