論文の概要: The impact of tactile sensor configurations on grasp learning efficiency -- a comparative evaluation in simulation

• arxiv url: http://arxiv.org/abs/2601.10268v1
• Date: Thu, 15 Jan 2026 10:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.791181
• Title: The impact of tactile sensor configurations on grasp learning efficiency -- a comparative evaluation in simulation
• Title（参考訳）: 触覚センサ構成が学習効率に及ぼす影響 : シミュレーションによる比較評価
• Authors: Eszter Birtalan, Miklós Koller,
• Abstract要約: 我々は,6種類の触覚センサ構成を,密度とレイアウトの異なるシミュレーションで評価した。 本研究の結果は,6種類のセンサシミュレーションにおいて,設定特異性および一般化効果を示した。 これらの結果は、義手を含むロボットハンドの設計を将来の研究に役立てる可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tactile sensors are breaking into the field of robotics to provide direct information related to contact surfaces, including contact events, slip events and even texture identification. These events are especially important for robotic hand designs, including prosthetics, as they can greatly improve grasp stability. Most presently published robotic hand designs, however, implement them in vastly different densities and layouts on the hand surface, often reserving the majority of the available space. We used simulations to evaluate 6 different tactile sensor configurations with different densities and layouts, based on their impact on reinforcement learning. Our two-setup system allows for robust results that are not dependent on the use of a given physics simulator, robotic hand model or machine learning algorithm. Our results show setup-specific, as well as generalized effects across the 6 sensorized simulations, and we identify one configuration as consistently yielding the best performance across both setups. These results could help future research aimed at robotic hand designs, including prostheses.
• Abstract（参考訳）: 触覚センサーはロボット工学の分野に侵入し、接触イベント、スリップイベント、さらにはテクスチャ識別など、接触面に関する直接的な情報を提供している。 これらの出来事は、把握安定性を大幅に改善できるため、義肢を含むロボットハンドの設計において特に重要である。 しかし、現在発表されたほとんどのロボットハンドデザインは、手表面の非常に異なる密度とレイアウトで実装されており、しばしば利用可能な空間の大部分を保存している。 シミュレーションを用いて6種類の触覚センサの密度とレイアウトの異なる構成を,強化学習への影響に基づいて評価した。 我々の2セットシステムは、与えられた物理シミュレータ、ロボットハンドモデル、機械学習アルゴリズムの使用に依存しない堅牢な結果を可能にする。 本研究の結果は,6つのセンサシミュレーションにおいて,設定特異性および一般化効果を示すとともに,各構成を一貫した構成で,両構成で最高の性能が得られることを示す。 これらの結果は、義手を含むロボットハンドの設計を将来の研究に役立てる可能性がある。

関連論文リスト

• D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
  本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。 提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。 これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-01T15:32:04Z)
• Efficient Surgical Robotic Instrument Pose Reconstruction in Real World Conditions Using Unified Feature Detection [21.460727996614704]
  MISロボットは、長いキネマティックチェーンを持ち、カメラ内の自由度を部分的に可視化する。 本稿では,共有符号化による幾何学的プリミティブの検出を統一する新しいフレームワークを提案する。 このアーキテクチャは、1つの推論でキーポイントとエッジの両方を検出し、射影ラベル付き大規模合成データに基づいて訓練される。
  論文  参考訳（メタデータ） (2025-10-03T22:03:28Z)
• TwinTac: A Wide-Range, Highly Sensitive Tactile Sensor with Real-to-Sim Digital Twin Sensor Model [4.668679765548824]
  我々は、物理的な触覚センサーとデジタルツインモデルを組み合わせたシステムであるTwinTacを紹介する。 ハードウェアセンサーは高感度で広い測定範囲に設計されている。 デジタルツインセンサによって生成されたシミュレーションデータにより,実世界のデータを効果的に増強し,精度を向上できることを示す。
  論文  参考訳（メタデータ） (2025-09-12T08:51:28Z)
• Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
  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。 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。
  論文  参考訳（メタデータ） (2025-04-17T12:57:11Z)
• DRAPER: Towards a Robust Robot Deployment and Reliable Evaluation for Quasi-Static Pick-and-Place Cloth-Shaping Neural Controllers [2.720296126199296]
  本研究では、フラット化タスクと折り畳みタスクにおいて、異なるシミュレーション訓練されたニューラルコントローラの信頼性の高い実世界比較を示す。 我々は、これらのニューラルコントローラの真の能力を確実に反映した、この包括的な研究を可能にするために、DRAPERフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-09-23T16:08:16Z)
• Reconfigurable Data Glove for Reconstructing Physical and Virtual Grasps [100.72245315180433]
  本研究では,人間の手-物体相互作用の異なるモードを捉えるために,再構成可能なデータグローブの設計を提案する。 グローブは3つのモードで動作し、異なる特徴を持つ様々な下流タスクを実行する。 i)手の動きと関連力を記録し,(ii)VRの操作流速を改善するとともに,(iii)様々なツールの現実的なシミュレーション効果を生み出すことにより,システムの3つのモードを評価する。
  論文  参考訳（メタデータ） (2023-01-14T05:35:50Z)
• 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)
• In-air Knotting of Rope using Dual-Arm Robot based on Deep Learning [8.365690203298966]
  深層学習に基づく双腕二本指ロボットを用いて,ロープの空中結節を成功させた。 全ての対象状態に対応する適切なロボット動作のマニュアル記述を事前に作成することは困難である。 そこで我々は,ロボットに2つの深層ニューラルネットワークを訓練し,そのセンサモデレータから収集したデータに基づいてボクノットとオーバーハンドノットを行うよう指示するモデルを構築した。
  論文  参考訳（メタデータ） (2021-03-17T02:11:58Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)

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。