論文の概要: RETRO: REthinking Tactile Representation Learning with Material PriOrs
- arxiv url: http://arxiv.org/abs/2505.14319v1
- Date: Tue, 20 May 2025 13:06:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:53.242507
- Title: RETRO: REthinking Tactile Representation Learning with Material PriOrs
- Title（参考訳）: RETRO: 素材プライオードによる触覚表現学習の再考
- Authors: Weihao Xia, Chenliang Zhou, Cengiz Oztireli,
- Abstract要約: 触覚表現学習プロセスに素材認識の先行性を導入する。
これらの先行は、異なる材料に特有の事前学習特性を表しており、モデルが表面テクスチャのニュアンスをよりよく捉え、一般化することができる。
提案手法は,多様な材料やテクスチャにまたがって,より正確で,文脈的にリッチな触覚フィードバックを可能にし,ロボット工学や触覚フィードバックシステム,材料編集などの実世界のアプリケーションの性能を向上させる。
- 参考スコア（独自算出の注目度）: 4.938177645099319
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tactile perception is profoundly influenced by the surface properties of objects in contact. However, despite their crucial role in shaping tactile experiences, these material characteristics have been largely neglected in existing tactile representation learning methods. Most approaches primarily focus on aligning tactile data with visual or textual information, overlooking the richness of tactile feedback that comes from understanding the materials' inherent properties. In this work, we address this gap by revisiting the tactile representation learning framework and incorporating material-aware priors into the learning process. These priors, which represent pre-learned characteristics specific to different materials, allow tactile models to better capture and generalize the nuances of surface texture. Our method enables more accurate, contextually rich tactile feedback across diverse materials and textures, improving performance in real-world applications such as robotics, haptic feedback systems, and material editing.
- Abstract（参考訳）: 触覚は接触する物体の表面特性に大きく影響される。
しかし、触覚体験の形成において重要な役割を担っているにもかかわらず、これらの材料特性は既存の触覚表現学習法では無視されている。
殆どのアプローチは、主に触覚データと視覚的またはテキスト的情報との整合性に注目し、材料の性質を理解することから得られる触覚フィードバックの豊かさを見渡す。
本研究では,触覚表現学習の枠組みを再考し,学習プロセスに素材認識の先行要素を組み込むことにより,このギャップに対処する。
これらの先行は、異なる材料に特有の事前学習された特性を表しており、触覚モデルにより表面テクスチャのニュアンスをよりよく捉え、一般化することができる。
提案手法は,多様な材料やテクスチャにまたがって,より正確で,文脈的にリッチな触覚フィードバックを可能にし,ロボット工学や触覚フィードバックシステム,材料編集などの実世界のアプリケーションの性能を向上させる。
関連論文リスト
- RA-Touch: Retrieval-Augmented Touch Understanding with Enriched Visual Data [10.059624183053499]
視覚触覚は、テクスチャ、柔らかさ、剛性などの物体の触覚特性を理解することを目的としている。
我々は,触覚のセマンティクスに富んだ視覚データを活用することで,視触覚知覚を改善する検索拡張フレームワークであるRA-Touchを紹介する。
論文 参考訳（メタデータ） (2025-05-20T12:23:21Z) - Temporal Binding Foundation Model for Material Property Recognition via Tactile Sequence Perception [2.3724852180691025]
触覚シーケンス理解のための時間的結合基盤モデルを用いた新しい手法を提案する。
提案システムは,人間の指先知覚と同様,触覚相互作用の連続的な性質を捉えている。
論文 参考訳（メタデータ） (2025-01-24T21:47:38Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Self-Supervised Material and Texture Representation Learning for Remote
Sensing Tasks [5.5531367234797555]
我々は、MATTER(MATerial and Texture Representation Learning)という、素材とテクスチャに基づくセルフスーパービジョン手法を提案する。
MATerial and Texture Representation Learningは、古典的な素材やテクスチャの手法にインスパイアされている。
我々の自己超越事前学習法は、教師なし、微調整のセットアップで最大24.22%と6.33%の性能向上を可能にする。
論文 参考訳（メタデータ） (2021-12-03T04:59:13Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳（メタデータ） (2021-09-09T16:04:14Z) - 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) - Active 3D Shape Reconstruction from Vision and Touch [66.08432412497443]
人間は、視覚と触覚を共同で利用して、活発な物体探索を通じて世界の3D理解を構築する。
3次元形状の再構成では、最新の進歩はRGB画像、深度マップ、触覚読影などの限られた感覚データの静的データセットに依存している。
1)高空間分解能視覚に基づく触覚センサを応用した3次元物体のアクティブタッチに活用した触覚シミュレータ,2)触覚やビジュオクティビティルを先導するメッシュベースの3次元形状再構成モデル,3)触覚やビジュオのいずれかを用いたデータ駆動型ソリューションのセットからなるシステムを導入する。
論文 参考訳（メタデータ） (2021-07-20T15:56:52Z) - Spatio-temporal Attention Model for Tactile Texture Recognition [25.06942319117782]
触覚テクスチャ認識のための新しい時空間注意モデル(STAM)を提案する。
提案したSTAMは,それぞれの触覚テクスチャの空間的焦点と触覚シーケンスの時間的相関の両方に注意を払っている。
100種類の異なる布のテクスチャを識別する実験では,空間的,時間的に選択的な注意が認識精度を大幅に向上させた。
論文 参考訳（メタデータ） (2020-08-10T22:32:34Z) - Teaching Cameras to Feel: Estimating Tactile Physical Properties of
Surfaces From Images [4.666400601228301]
本稿では,視覚情報から触覚特性の集合を推定する課題を紹介する。
我々は400以上のマルチビュー画像列とそれに対応する触覚特性を持つ画像触覚データセットの1つを構築した。
対向目的と新規なビジュオ触覚関節分類損失からなるクロスモーダルフレームワークを開発した。
論文 参考訳（メタデータ） (2020-04-29T21:27:26Z)
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。