論文の概要: Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation

• arxiv url: http://arxiv.org/abs/2504.12908v1
• Date: Thu, 17 Apr 2025 12:57:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:35:43.370751
• Title: Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation
• Title（参考訳）: Taccel: 高速GPUシミュレーションによる視覚ベースの触覚ロボットのスケールアップ
• Authors: Yuyang Li, Wenxin Du, Chang Yu, Puhao Li, Zihang Zhao, Tengyu Liu, Chenfanfu Jiang, Yixin Zhu, Siyuan Huang,
• Abstract要約: ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。 Taccelは正確な物理シミュレーションとリアルな触覚信号を提供し、ユーザフレンドリーなAPIを通じて柔軟なロボットセンサー構成をサポートする。 これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
• 参考スコア（独自算出の注目度）: 50.34179054785646
• License:
• Abstract: Tactile sensing is crucial for achieving human-level robotic capabilities in manipulation tasks. VBTSs have emerged as a promising solution, offering high spatial resolution and cost-effectiveness by sensing contact through camera-captured deformation patterns of elastic gel pads. However, these sensors' complex physical characteristics and visual signal processing requirements present unique challenges for robotic applications. The lack of efficient and accurate simulation tools for VBTS has significantly limited the scale and scope of tactile robotics research. Here we present Taccel, a high-performance simulation platform that integrates IPC and ABD to model robots, tactile sensors, and objects with both accuracy and unprecedented speed, achieving an 18-fold acceleration over real-time across thousands of parallel environments. Unlike previous simulators that operate at sub-real-time speeds with limited parallelization, Taccel provides precise physics simulation and realistic tactile signals while supporting flexible robot-sensor configurations through user-friendly APIs. Through extensive validation in object recognition, robotic grasping, and articulated object manipulation, we demonstrate precise simulation and successful sim-to-real transfer. These capabilities position Taccel as a powerful tool for scaling up tactile robotics research and development. By enabling large-scale simulation and experimentation with tactile sensing, Taccel accelerates the development of more capable robotic systems, potentially transforming how robots interact with and understand their physical environment.
• Abstract（参考訳）: 触覚は、操作作業において人間レベルのロボット能力を達成するために不可欠である。 VBTSは、弾性ゲルパッドのカメラキャプチャー変形パターンを介して接触を検知することで、高空間分解能とコスト効率を提供する、有望なソリューションとして登場した。 しかし、これらのセンサーの複雑な物理的特性と視覚信号処理要件は、ロボットアプリケーションに固有の課題をもたらす。 VBTSの効率的で正確なシミュレーションツールの欠如は、触覚ロボットの研究の規模と範囲を著しく制限した。 ここでは、PCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを紹介します。ロボット、触覚センサー、物体を精度と前例のない速度でモデル化し、何千もの並列環境をリアルタイムで18倍の加速を実現します。 並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供し、ユーザフレンドリーなAPIを通じて柔軟なロボットセンサー構成をサポートする。 物体認識,ロボットの把握,物体操作の広範囲な検証を通じて,精密なシミュレーションとシミュレート・トゥ・リアル・トランスファーの成功例を示す。 これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。 触覚センサーによる大規模なシミュレーションと実験を可能にすることで、Taccelはより有能なロボットシステムの開発を加速し、ロボットが物理的な環境と対話し理解する方法を変える可能性がある。

関連論文リスト

• RoboPack: Learning Tactile-Informed Dynamics Models for Dense Packing [38.97168020979433]
  本稿では, 視覚と触覚を組み合わせ, 触覚インフォームド・ダイナミックスモデルを学習することでロボット操作を実現するアプローチを提案する。 提案するフレームワークであるRoboPackは、オブジェクト状態を推定するために、リカレントグラフニューラルネットワークを使用している。 我々は,非包括的操作と密包装作業に対するソフトバブル触覚センサを備えた実ロボットへのアプローチを実証する。
  論文  参考訳（メタデータ） (2024-07-01T16:08:37Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
  触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。 EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。 さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T03:49:59Z)
• A toolbox for neuromorphic sensing in robotics [4.157415305926584]
  ロボット上で利用可能なあらゆる種類のセンサからの入力信号をエンコードし、デコードするためのROS(Robot Operating System)ツールボックスを導入する。 このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し促進することを目的としている。
  論文  参考訳（メタデータ） (2021-03-03T23:22:05Z)
• TACTO: A Fast, Flexible and Open-source Simulator for High-Resolution Vision-based Tactile Sensors [8.497185333795477]
  TACTOは、視覚ベースの触覚センサのための高速で柔軟でオープンソースのシミュレータです。 リアルな高解像度のタッチ読み取りを毎秒数百フレームでレンダリングできる。 我々は,100万の把握から触覚による把握安定性の予測を学習することにより,知覚タスクにおけるTACTOの実証を行う。
  論文  参考訳（メタデータ） (2020-12-15T17:54:07Z)
• Elastic Interaction of Particles for Robotic Tactile Simulation [43.933808122317274]
  触覚エミュレーションのための新しいフレームワークであるElastic Interaction of Particles (EIP)を提案する。 EIPは触覚センサを協調粒子群としてモデル化し、弾性理論を適用して接触過程における粒子の変形を制御する。 提案手法の有効性を検証する実験を2つのアプリケーションで行った。
  論文  参考訳（メタデータ） (2020-11-23T16:37:00Z)
• Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
  強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。 本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:46:59Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。