強化学習により、高自由度の器用なロボットハンドをピアノ演奏に対応させることは可能ですが、従来の手法では不自然な姿勢や関節の過度な伸展が発生しやすいという課題がありました。今回、研究チームが提案した「対抗的姿勢正則化（APR）」は、この問題を解決する新しいアプローチです。 従来の強化学習ベースの手法では、タスク報酬やIK逆運動学のみに頼ると、高自由度のロボットハンドが非現実的な動きを学習してしまいます。APRは、楽曲に対応した大量の専門家デモンストレーションデータを必要とせず、代わりに一般的なカジュアルな人間のピアノ演奏データを少量使用します。対抗的な目的関数を通じて、ポリシーの姿勢分布を人間の先験的知識にマッチングさせることで、より人間らしい手の形を実現します。 研究チームはさらに、消費者向けのMeta Quest 3を用いてピアノ演奏の非構造化手指モーションデータを収集し、Shadow Handに対してキー動作情報をリターゲティングしました。その結果、人間らしさを評価する3つのメトリクス（cPSI、BSE、FAC）すべてにおいて、既存手法を大幅に上回る性能を達成し、視覚的な品質の向上も確認されました。このプロジェクトのリポジトリはGitHubで公開されており、今後のロボティクス分野における自然な動作生成研究の発展に貢献することが期待されます。