論文の概要: Zero Wrench Control via Wrench Disturbance Observer for Learning-free Peg-in-hole Assembly

• arxiv url: http://arxiv.org/abs/2601.04881v1
• Date: Thu, 08 Jan 2026 12:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.697797
• Title: Zero Wrench Control via Wrench Disturbance Observer for Learning-free Peg-in-hole Assembly
• Title（参考訳）: 無学習ペグインホール組立のための切開外乱オブザーバによるゼロレンチ制御
• Authors: Kiyoung Choi, Juwon Jeong, Sehoon Oh,
• Abstract要約: ダイナミックレンチ外乱オブザーバ(DW-DOB)は、接触リッチな操作において高感度なゼロレンチ制御を実現するように設計されている。 タスク空間慣性を観測者の名目モデルに埋め込むことで、DW-DOBは固有の動的反応を真の外部レンチからきれいに分離する。
• 参考スコア（独自算出の注目度）: 2.4087148947930634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a Dynamic Wrench Disturbance Observer (DW-DOB) designed to achieve highly sensitive zero-wrench control in contact-rich manipulation. By embedding task-space inertia into the observer nominal model, DW-DOB cleanly separates intrinsic dynamic reactions from true external wrenches. This preserves sensitivity to small forces and moments while ensuring robust regulation of contact wrenches. A passivity-based analysis further demonstrates that DW-DOB guarantees stable interactions under dynamic conditions, addressing the shortcomings of conventional observers that fail to compensate for inertial effects. Peg-in-hole experiments at industrial tolerances (H7/h6) validate the approach, yielding deeper and more compliant insertions with minimal residual wrenches and outperforming a conventional wrench disturbance observer and a PD baseline. These results highlight DW-DOB as a practical learning-free solution for high-precision zero-wrench control in contact-rich tasks.
• Abstract（参考訳）: 本稿では,接触リッチ操作において高感度なゼロレンチ制御を実現するために設計されたダイナミックレンチ外乱オブザーバ(DW-DOB)を提案する。 タスク空間慣性を観測者の名目モデルに埋め込むことで、DW-DOBは固有の動的反応を真の外部レンチからきれいに分離する。 これは、接触レンチの堅牢な制御を確保しながら、小さな力や瞬間に対する感受性を保っている。 相似性に基づく解析により、DW-DOBは動的条件下での安定した相互作用を保証し、慣性効果を補うのに失敗する従来の観測者の欠点に対処することを示した。 工業用耐火物(H7/h6)におけるペグ・イン・ホール実験は、アプローチを検証し、最小限の残留レンチでより深くより適合した挿入を行い、従来のレンチ外乱オブザーバとPDベースラインを上回った。 これらの結果から,DW-DOBはコンタクトリッチタスクにおける高精度ゼロレンチ制御のための実践的学習自由解であることがわかった。

関連論文リスト

• TacDexGrasp: Compliant and Robust Dexterous Grasping with Tactile Feedback [14.132084492788122]
  この研究は、2つの重要な問題に対処する: 複数の接触に力を分散して物体の重みに対処し、物体の中心から遠ざかるときに重力トルクによって引き起こされる回転スリップを防ぐ。 触覚フィードバックとSOCP(Second-Order Cone Programming)ベースのコントローラを用いて,トルクモデリングやスリップ検出を行うことなく,これらの課題に対処する。
  論文  参考訳（メタデータ） (2026-03-07T05:15:27Z)
• Symmetry-Aware Fusion of Vision and Tactile Sensing via Bilateral Force Priors for Robotic Manipulation [7.104060092661104]
  本稿では,バイスオ触覚融合のためのクロスモーダルトランス (CMT) を提案する。 CMTは、構造化された自己および横断的注意を通して触覚信号と手首カメラ観測を統合する。 TacSLベンチマークの実験では、対称性の正則化を持つCMTが96.59%の挿入成功率を達成した。
  論文  参考訳（メタデータ） (2026-02-14T09:19:48Z)
• Aerial Manipulation with Contact-Aware Onboard Perception and Hybrid Control [11.342874824540493]
  航空操作(AM)は、無人航空機(UAV)を受動的検査から、把握、組み立て、in-situ保守といったコンタクト豊富なタスクに移行することを約束している。 外部モーションキャプチャー(MoCap)を使わずに正確なモーショントラッキングと制御されたコンタクトレンチを実現する。 実験により,本手法は,オンボードセンシングのみを用い,接触時の速度推定精度66.01%向上,信頼性の高い目標アプローチ,安定力保持点の固定化を実現し,着地時の空中操作を可能とした。
  論文  参考訳（メタデータ） (2026-02-09T04:10:39Z)
• UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
  そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。 UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する 高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
  論文  参考訳（メタデータ） (2026-02-01T11:03:01Z)
• TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
  TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。 TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。 高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
  論文  参考訳（メタデータ） (2026-01-28T04:22:47Z)
• AdvChain: Adversarial Chain-of-Thought Tuning for Robust Safety Alignment of Large Reasoning Models [62.70575022567081]
  本稿では,逆CoTチューニングによる動的自己補正をモデルに教えるアライメントパラダイムであるAdvChainを提案する。 私たちの仕事は、より堅牢で信頼性の高い推論モデルを構築するための新しい方向性を確立します。
  論文  参考訳（メタデータ） (2025-09-29T04:27:23Z)
• Probing the Robustness of Large Language Models Safety to Latent Perturbations [30.16804362984161]
  安全アライメントは、信頼できる人工知能を構築する上で重要な要件である。 我々は、小さな潜伏シフトが、整列モデルにおける安全でない応答を引き起こすことを観察する。 学習中に隠された表現に制御された摂動を注入する微調整戦略であるLayer-wise Adversarial Patch Training (LAPT)を導入する。
  論文  参考訳（メタデータ） (2025-06-19T07:03:05Z)
• Beyond Prompt Engineering: Robust Behavior Control in LLMs via Steering Target Atoms [71.85633762642125]
  モデルにおける膨大な数のパラメータは、しばしば高度に絡み合った内部表現をもたらす。 最近の研究は、スパースオートエンコーダ(SAE)を用いて、ステアリングのための高次元空間における知識を歪めている。 本研究では,非絡み合った知識コンポーネントを分離・操作し,安全性を高める手法であるステアリングターゲット原子(STA)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T17:59:18Z)
• Search for a parity-violating long-range spin-dependent interaction [8.663880385566925]
  高感度量子センサーは、モデル外相互作用を実験的に探索するための有望なツールである。 P-odd, T-even相互作用を探索するために、共鳴結合型ハイブリッドスピン共鳴状態下で動作する原子磁気センサを実証する。
  論文  参考訳（メタデータ） (2025-05-01T12:29:19Z)
• BEEAR: Embedding-based Adversarial Removal of Safety Backdoors in Instruction-tuned Language Models [57.5404308854535]
  大型言語モデル(LLM)における安全バックドア攻撃は、正常な相互作用中の検出を回避しながら、安全でない振る舞いをステルス的に引き起こすことができる。 モデル埋め込み空間において,バックドアトリガーが比較的均一なドリフトを引き起こすという知見を活かした緩和手法であるBEEARを提案する。 両レベル最適化手法は、不要な振る舞いを誘発する普遍的な埋め込み摂動を特定し、モデルパラメータを調整し、これらの摂動に対する安全な振舞いを強化する。
  論文  参考訳（メタデータ） (2024-06-24T19:29:47Z)

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。