論文の概要: The Role of Touch: Towards Optimal Tactile Sensing Distribution in Anthropomorphic Hands for Dexterous In-Hand Manipulation

• arxiv url: http://arxiv.org/abs/2509.14984v1
• Date: Thu, 18 Sep 2025 14:13:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.261422
• Title: The Role of Touch: Towards Optimal Tactile Sensing Distribution in Anthropomorphic Hands for Dexterous In-Hand Manipulation
• Title（参考訳）: 異形手指における触覚知覚の最適分布に向けてのタッチの役割
• Authors: João Damião Almeida, Egidio Falotico, Cecilia Laschi, José Santos-Victor,
• Abstract要約: 本研究は,手指と手のさまざまな部位からの触覚フィードバックが,手指の物体の方向転換作業に与える影響について検討する。 触覚センサの構成は,操作の効率と精度の向上に寄与する。
• 参考スコア（独自算出の注目度）: 4.855486859170293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In-hand manipulation tasks, particularly in human-inspired robotic systems, must rely on distributed tactile sensing to achieve precise control across a wide variety of tasks. However, the optimal configuration of this network of sensors is a complex problem, and while the fingertips are a common choice for placing sensors, the contribution of tactile information from other regions of the hand is often overlooked. This work investigates the impact of tactile feedback from various regions of the fingers and palm in performing in-hand object reorientation tasks. We analyze how sensory feedback from different parts of the hand influences the robustness of deep reinforcement learning control policies and investigate the relationship between object characteristics and optimal sensor placement. We identify which tactile sensing configurations contribute to improving the efficiency and accuracy of manipulation. Our results provide valuable insights for the design and use of anthropomorphic end-effectors with enhanced manipulation capabilities.
• Abstract（参考訳）: 特に人間にインスパイアされたロボットシステムにおいて、手動操作タスクは、様々なタスクを正確に制御するために、分散触覚センシングに頼らなければならない。 しかし、このセンサネットワークの最適構成は複雑な問題であり、指先はセンサーを配置する一般的な選択肢であるが、手の他の領域からの触覚情報の寄与は見落とされがちである。 本研究は,手指と手のさまざまな部位からの触覚フィードバックが,手指の物体の方向転換作業に与える影響について検討する。 手の異なる部分からの感覚フィードバックが深部強化学習制御ポリシーの堅牢性にどのように影響するかを分析し,対象特性と最適なセンサ配置との関係について検討する。 触覚センサの構成は,操作の効率と精度の向上に寄与する。 本研究は,機能強化による人為的なエンドエフェクターの設計と利用に関する貴重な知見を提供する。

関連論文リスト

• AnyRotate: Gravity-Invariant In-Hand Object Rotation with Sim-to-Real Touch [9.606323817785114]
  我々は,高密度のsim-to-realタッチを用いた重力不変多軸物体回転システムであるAnyRotateを提案する。 我々の定式化により、統一されたポリシーの訓練により、任意の回転軸に関する未知の物体を任意の方向で回転させることができる。 リッチな多指触覚センシングは不安定な把握を検知し、ポリシーの堅牢性を改善するリアクティブな振る舞いを提供する。
  論文  参考訳（メタデータ） (2024-05-12T22:51:35Z)
• A model-free approach to fingertip slip and disturbance detection for grasp stability inference [0.0]
  触覚センサを用いた握り安定性の評価手法を提案する。 我々は、アレグロハンドに搭載された高感度のウスキン触覚センサーを用いて、我々の手法を検証、検証した。
  論文  参考訳（メタデータ） (2023-11-22T09:04:26Z)
• 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)
• Learning to Detect Slip with Barometric Tactile Sensors and a Temporal Convolutional Neural Network [7.346580429118843]
  本研究では,バロメトリック・触覚センサを用いたスリップ検出手法を提案する。 我々は、スリップを検出するために時間畳み込みニューラルネットワークを訓練し、高い検出精度を実現する。 データ駆動学習と組み合わせたバロメトリック触覚センシング技術は,スリップ補償などの操作作業に適している,と我々は主張する。
  論文  参考訳（メタデータ） (2022-02-19T08:21:56Z)
• 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)
• DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile Sensor with Application to In-Hand Manipulation [16.54834671357377]
  汎用的な手動操作は、ロボティクスの未解決課題の1つとして残されている。 DIGITは安価でコンパクトで高解像度な触覚センサで、手作業で操作できる。
  論文  参考訳（メタデータ） (2020-05-29T17:07:54Z)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)
• The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes? [57.366931129764815]
  両指にGelSight高解像度触覚センサを装着した2本指グリップを用いて,9000以上の握力試験を行った。 実験結果から,触覚を取り入れることで把握性能が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2017-10-16T05:32:38Z)

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。