論文の概要: Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2601.13250v1
• Date: Mon, 19 Jan 2026 17:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.848801
• Title: Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation
• Title（参考訳）: 物体位置推定のための拡散型分散型触覚センサの逆モデル
• Authors: Ante Marić, Giammarco Caroleo, Alessandro Albini, Julius Jankowski, Perla Maiolino, Sylvain Calinon,
• Abstract要約: 我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。 このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。 オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
• 参考スコア（独自算出の注目度）: 45.95486121114164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tactile sensing provides a promising sensing modality for object pose estimation in manipulation settings where visual information is limited due to occlusion or environmental effects. However, efficiently leveraging tactile data for estimation remains a challenge due to partial observability, with single observations corresponding to multiple possible contact configurations. This limits conventional estimation approaches largely tailored to vision. We propose to address these challenges by learning an inverse tactile sensor model using denoising diffusion. The model is conditioned on tactile observations from a distributed tactile sensor and trained in simulation using a geometric sensor model based on signed distance fields. Contact constraints are enforced during inference through single-step projection using distance and gradient information from the signed distance field. For online pose estimation, we integrate the inverse model with a particle filter through a proposal scheme that combines generated hypotheses with particles from the prior belief. Our approach is validated in simulated and real-world planar pose estimation settings, without access to visual data or tight initial pose priors. We further evaluate robustness to unmodeled contact and sensor dynamics for pose tracking in a box-pushing scenario. Compared to local sampling baselines, the inverse sensor model improves sampling efficiency and estimation accuracy while preserving multimodal beliefs across objects with varying tactile discriminability.
• Abstract（参考訳）: 触覚は、隠蔽や環境効果によって視覚情報が制限された操作設定において、オブジェクトのポーズ推定に有望な感覚的モダリティを提供する。 しかしながら、触覚データを効率的に推定するために活用することは、複数の可能な接触配置に対応する単一の観測で、部分的な観測可能性のために依然として課題である。 これは従来の推定手法を視覚に合わせたものに制限する。 そこで本研究では,逆触覚センサモデル(逆触覚センサモデル)をデノナイズ拡散を用いて学習することにより,これらの課題に対処することを提案する。 このモデルは、分散触覚センサによる触覚観測に基づいて調整され、符号付き距離場に基づく幾何センサモデルを用いてシミュレーションで訓練される。 符号付き距離場からの距離および勾配情報を用いて、単一ステップ投影による推論中に接触制約を強制する。 オンラインポーズ推定では, 生成した仮説と従来の信念の粒子を組み合わせた提案手法により, 逆モデルと粒子フィルタを統合する。 提案手法は,視覚データや厳密な初期ポーズ設定を必要とせず,実世界の平面ポーズ推定設定で検証する。 ボックスプッシュシナリオにおけるポーズトラッキングのための非モデル接触とセンサダイナミクスに対するロバスト性をさらに評価する。 局所的なサンプリングベースラインと比較して、逆センサモデルは、異なる触覚識別性を持つオブジェクト間でのマルチモーダルな信念を保ちながら、サンプリング効率と推定精度を向上させる。

関連論文リスト

• Mobile Robot Localization Using a Novel Whisker-Like Sensor [2.4440761580878823]
  本稿では,単一のウィスカセンサを用いて,既知の平面環境下での接触点とロボット位置を推定するための枠組みを提案する。 その結果,7mm以下の誤差で正確な接触推定と位置推定が得られた。
  論文  参考訳（メタデータ） (2026-01-09T08:11:15Z)
• Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors [0.7199733380797579]
  コンプライアンスは、工学、農業、生物医学の応用におけるオブジェクトを記述するための重要なパラメータである。 従来のコンプライアンス検出方法は、ポータビリティとスケーラビリティの欠如によって制限されており、特殊な高価な機器に依存しており、ロボット用途には適さない。 本稿では,LRCN(Long-term Recurrent Convolutional Networks)とTransformerアーキテクチャに基づく2つのモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-17T21:10:05Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
  Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。 近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。 本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
  論文  参考訳（メタデータ） (2023-12-18T09:52:14Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Layout Sequence Prediction From Noisy Mobile Modality [53.49649231056857]
  軌道予測は、自律運転やロボット工学などの応用における歩行者運動を理解する上で重要な役割を担っている。 現在の軌道予測モデルは、視覚的モダリティからの長い、完全な、正確に観察されたシーケンスに依存する。 本稿では,物体の障害物や視界外を,完全に視認できる軌跡を持つものと同等に扱う新しいアプローチであるLTrajDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-09T20:32:49Z)
• Collision-aware In-hand 6D Object Pose Estimation using Multiple Vision-based Tactile Sensors [4.886250215151643]
  物体表面に沿ったセンサの空間的配置が考えられる理由を考察する。 選択したセンサー構成を用いて6Dポーズの空間を最適化する。 得られたポーズは、センサーと衝突しているポーズをペナルティ化することでランク付けする。
  論文  参考訳（メタデータ） (2023-01-31T14:35:26Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Tactile Object Pose Estimation from the First Touch with Geometric Contact Rendering [19.69677059281393]
  本稿では, 既知物体に対する第1タッチからの触覚ポーズ推定手法を提案する。 実際の触覚観測から接触形状への物体認識マップを作成する。 既知の幾何を持つ新しい物体に対して、シミュレーションで完全に調整された知覚モデルを学ぶ。
  論文  参考訳（メタデータ） (2020-12-09T18:00:35Z)
• Learning Tactile Models for Factor Graph-based Estimation [24.958055047646628]
  視覚ベースの触覚センサーは、接触点におけるリッチで局所的な画像計測を提供する。 単一の測定には限られた情報が含まれ、潜在的なオブジェクト状態を推測するために複数の測定が必要です。 そこで我々は,まず,地中真理データに基づく局所触覚観測モデルを学習し,それらのモデルと物理および幾何学的要素を因子グラフに統合する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-07T15:09:31Z)

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。