論文の概要: HyperTaxel: Hyper-Resolution for Taxel-Based Tactile Signals Through Contrastive Learning

• arxiv url: http://arxiv.org/abs/2408.08312v1
• Date: Thu, 15 Aug 2024 17:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-08-16 13:05:43.253508
• Title: HyperTaxel: Hyper-Resolution for Taxel-Based Tactile Signals Through Contrastive Learning
• Title（参考訳）: HyperTaxel: コントラスト学習によるタキセルベースの触覚信号の高分解能化
• Abstract要約: 本稿では,タクセルに基づく触覚信号の幾何学的表現を学習するための新しいフレームワークHyperTaxelを提案する。 我々は、この表現と対照的な学習目標を用いて、希少な低分解能タッセル信号を高分解能接触面に符号化し、マッピングする。
• 参考スコア（独自算出の注目度）: 11.004032694477296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To achieve dexterity comparable to that of humans, robots must intelligently process tactile sensor data. Taxel-based tactile signals often have low spatial-resolution, with non-standardized representations. In this paper, we propose a novel framework, HyperTaxel, for learning a geometrically-informed representation of taxel-based tactile signals to address challenges associated with their spatial resolution. We use this representation and a contrastive learning objective to encode and map sparse low-resolution taxel signals to high-resolution contact surfaces. To address the uncertainty inherent in these signals, we leverage joint probability distributions across multiple simultaneous contacts to improve taxel hyper-resolution. We evaluate our representation by comparing it with two baselines and present results that suggest our representation outperforms the baselines. Furthermore, we present qualitative results that demonstrate the learned representation captures the geometric features of the contact surface, such as flatness, curvature, and edges, and generalizes across different objects and sensor configurations. Moreover, we present results that suggest our representation improves the performance of various downstream tasks, such as surface classification, 6D in-hand pose estimation, and sim-to-real transfer.
• Abstract（参考訳）: 人間に匹敵する器用さを達成するためには、ロボットは触覚センサーデータをインテリジェントに処理する必要がある。 タクセルベースの触覚信号は、しばしば空間分解能が低く、非標準化された表現を持つ。 本稿では,タキセルに基づく触覚信号の幾何学的表現を学習し,空間分解能に関わる課題に対処するための新しい枠組みであるHyperTaxelを提案する。 我々は、この表現と対照的な学習目標を用いて、希少な低分解能タッセル信号を高分解能接触面に符号化し、マッピングする。 これらの信号に固有の不確実性に対処するために、複数の同時接触の関節確率分布を利用して、タッセル超解像を改善する。 2つのベースラインを比較して表現を評価し,その表現がベースラインより優れていることを示す。 さらに、学習した表現が、平坦性、曲率、エッジなどの接触面の幾何学的特徴を捉え、異なる物体やセンサ構成にまたがって一般化することを示す定性的な結果を示す。 さらに, 表層分類, 6次元のポーズ推定, sim-to-real 転送など, 様々な下流タスクの性能向上を示唆する結果が得られた。

関連論文リスト

• An Interpretable Deep Learning Framework for Material Perception and Classification from Multisensory Tactile Data [3.7277730514654555]
  我々は,多感覚タッチデータを物質知覚にマッピングするフレームワークを開発した。 深層学習は, 中間知覚段階に拘束されない場合, ほぼ完全な物質分類にアプローチできることを示す。 また、解釈可能なディープラーニングが人間レベルのパフォーマンスにどのようにアプローチできるかを示し、ロボットと触覚システムが組み込む必要がある手がかりを明らかにします。
  論文  参考訳（メタデータ） (2026-08-22T10:13:46Z)
• AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
  人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。 既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。 本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-06T16:29:11Z)
• VQ-Touch: A Data-Efficient Tactile Generation Framework Across Sensors and Scenarios [7.9567869558684094]
  VQ-Touchは、クロスセンサーとマルチシナリオアプリケーションの両方をサポートする触覚生成フレームワークである。 データから複雑な変形やテクスチャの特徴を効率的に抽出するために,DM-VQGANを提案する。 本稿では,画像やラベルなどのマルチモーダル生成タスクをサポートする統一された条件付けインタフェースを備えた離散拡散デコーダを提案する。
  論文  参考訳（メタデータ） (2026-07-16T08:53:41Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• SAND: Spatially Adaptive Network Depth for Fast Sampling of Neural Implicit Surfaces [91.71563221166417]
  入射神経表現は幾何学的モデリングには強力であるが、その実用性は高い計算コストによって制限されることが多い。 本稿では,空間適応型ネットワーク深度を用いた効率的なニューラル暗黙的幾何表現フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-15T14:14:17Z)
• Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
  ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。 本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。 スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
  論文  参考訳（メタデータ） (2026-02-14T16:05:08Z)
• On the Geometric Accuracy of Implicit and Primitive-based Representations Derived from View Rendering Constraints [15.120134539151236]
  空間型3次元オブジェクト再構成のための暗黙的かつ明示的な新規ビュー合成法の比較を行った。 埋め込みは幾何的精度において有意義な利得に変換されないことを示す。 本研究は,幾何中心タスクにおける外観埋め込みの限界を明らかにするものである。
  論文  参考訳（メタデータ） (2025-09-12T13:37:18Z)
• Physics-Guided Dual Implicit Neural Representations for Source Separation [70.38762322922211]
  我々は,2つの暗黙的ニューラル表現フレームワークを用いて,ソース分離のための自己教師型機械学習手法を開発した。 本手法は,復元に基づく損失関数の最小化により,生データから直接学習する。 本手法は,様々な領域にまたがるソース分離問題に対処する汎用的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-07-07T17:56:31Z)
• Automated Manifold Learning for Reduced Order Modeling [1.1126342180866644]
  本研究では,時空間データからシステムダイナミクスを探索するための幾何学的表現学習法について検討する。 本研究では,このようなデータの類似性構造を空間的近接グラフにエンコードする。 そこで本研究では,古典的および深層学習に基づく多様体学習手法を応用し,次数の減少を学習する。
  論文  参考訳（メタデータ） (2025-06-02T14:49:55Z)
• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• HGFF: A Deep Reinforcement Learning Framework for Lifetime Maximization in Wireless Sensor Networks [5.4894758104028245]
  深部強化学習とヘテロジニアスグラフニューラルネットワークを組み合わせた新しいフレームワークを提案し,シンクの移動経路を自動構築する。 実世界の異なる無線センサネットワークをシミュレートする静的マップと動的マップを10種類設計する。 我々のアプローチは、あらゆる種類の地図において、既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-04-11T13:09:11Z)
• SIRAN: Sinkhorn Distance Regularized Adversarial Network for DEM Super-resolution using Discriminative Spatial Self-attention [5.178465447325005]
  DEM(Digital Elevation Model)は、リモートセンシング領域において、表面標高情報に関連するさまざまなアプリケーションを分析し、探索するための重要な側面である。 本研究では,高分解能マルチスペクトル(MX)衛星画像を用いた高分解能DEMの生成について検討する。 本稿では,Sinkhorn 距離を従来の GAN に最適化することで,対角学習の安定性を向上する目的関数を提案する。
  論文  参考訳（メタデータ） (2023-11-27T12:03:22Z)
• Scalable Self-Supervised Representation Learning from Spatiotemporal Motion Trajectories for Multimodal Computer Vision [0.0]
  本稿では,GPSトラジェクトリから地理的位置の表現を学習するための自己教師付きラベルなし手法を提案する。 到達可能性埋め込みは意味論的に意味のある表現であり,精度・リコール曲線(AUPRC)測定値の領域を用いて測定すると,性能が4～23%向上することを示す。
  論文  参考訳（メタデータ） (2022-10-07T02:41:02Z)
• High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
  カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。 エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。 我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
  論文  参考訳（メタデータ） (2022-03-22T11:20:21Z)
• Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
  入射神経表現は、一般的な信号を表す新しい道である。 現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。 メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T18:02:53Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)
• Symbol Spotting on Digital Architectural Floor Plans Using a Deep Learning-based Framework [76.70609932823149]
  本稿では,ディープラーニング(DL)フレームワークを用いた実世界のデジタル建築フロア計画のシンボルスポッティングに焦点を当てた。 本稿では,DLベースのオブジェクト検出ネットワークに特有な問題を避けるため,タイルに基づくトレーニング戦略を提案する。 実世界のフロアプランにおける実験により,クラス内類似度が低く,図形的複雑性が変化するアーキテクチャシンボルの検出に成功していることが示された。
  論文  参考訳（メタデータ） (2020-06-01T03:16:05Z)
• Learning the sense of touch in simulation: a sim-to-real strategy for vision-based tactile sensing [1.9981375888949469]
  本稿では,3次元接触力分布の再構成を目的とした,視覚に基づく触覚センサについて述べる。 シミュレーションデータから完全に調整されたディープニューラルネットワークをトレーニングするための戦略が提案されている。 結果として得られる学習アーキテクチャは、さらなるトレーニングをすることなく、複数の触覚センサ間で直接転送可能であり、実際のデータに対して正確な予測が得られます。
  論文  参考訳（メタデータ） (2020-03-05T14:17:45Z)
• When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
  GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である 本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。 ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-24T11:35:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。