論文の概要: A Soft Wrist with Anisotropic and Selectable Stiffness for Robust Robot Learning in Contact-rich Manipulation
- arxiv url: http://arxiv.org/abs/2602.14434v1
- Date: Mon, 16 Feb 2026 03:45:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.481859
- Title: A Soft Wrist with Anisotropic and Selectable Stiffness for Robust Robot Learning in Contact-rich Manipulation
- Title（参考訳）: コンタクトリッチマニピュレーションにおけるロバストロボット学習のための異方性と選択性のあるソフトリスト
- Abstract要約: CLAW (Compliant Leaf-spring Anisotropic soft Wrist) は、シンプルだが効果的な設計によって制限に対処する新しいソフト手首機構である。
CLAWは大きな6自由度変形(40mm横、20mm垂直)を提供し、3つの異なるモードで調整可能な異方性剛性を備え、軽量な構造を維持している。
- 参考スコア（独自算出の注目度）: 8.659234970380966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contact-rich manipulation tasks in unstructured environments pose significant robustness challenges for robot learning, where unexpected collisions can cause damage and hinder policy acquisition. Existing soft end-effectors face fundamental limitations: they either provide a limited deformation range, lack directional stiffness control, or require complex actuation systems that compromise practicality. This study introduces CLAW (Compliant Leaf-spring Anisotropic soft Wrist), a novel soft wrist mechanism that addresses these limitations through a simple yet effective design using two orthogonal leaf springs and rotary joints with a locking mechanism. CLAW provides large 6-degree-of-freedom deformation (40mm lateral, 20mm vertical), anisotropic stiffness that is tunable across three distinct modes, while maintaining lightweight construction (330g) at low cost ($550). Experimental evaluations using imitation learning demonstrate that CLAW achieves 76% success rate in benchmark peg-insertion tasks, outperforming both the Fin Ray gripper (43%) and rigid gripper alternatives (36%). CLAW successfully handles diverse contact-rich scenarios, including precision assembly with tight tolerances and delicate object manipulation, demonstrating its potential to enable robust robot learning in contact-rich domains. Project page: https://project-page-manager.github.io/CLAW/
- Abstract（参考訳）: 非構造環境におけるコンタクトリッチな操作タスクは、予期せぬ衝突が損傷を生じさせ、ポリシーの獲得を妨げる、ロボット学習に重大な堅牢性課題をもたらす。
既存のソフトエンドエフェクターは、変形範囲が限られているか、方向の剛性制御が欠けているか、実用性を損なう複雑なアクチュエータシステムを必要とするか、基本的な制限に直面している。
CLAW(Compliant Leaf-spring Anisotropic soft Wrist)は,2つの直交葉ばねとロック機構を備えた回転継手を用いた簡易かつ効果的な設計により,これらの制約に対処する新しいソフト手首機構である。
CLAWは、大きな6自由度変形(40mm横、20mm垂直)を提供し、3つの異なるモードで調整できる異方性剛性を備え、軽量な構造(330g)を低コストで維持する(550ドル)。
模擬学習を用いた実験により, CLAWはベンチマークペグ挿入作業において76%の成功率を達成し, フィンレイグリップ(43%)と剛性グリップ(36%)の両方を上回った。
CLAWは、厳密な耐性と繊細なオブジェクト操作を備えた精度アセンブリを含む、さまざまなコンタクトリッチなシナリオをうまく処理し、コンタクトリッチなドメインで堅牢なロボット学習を可能にする可能性を実証する。
プロジェクトページ: https://project-page-manager.github.io/CLAW/
関連論文リスト
- A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。
単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
論文 参考訳（メタデータ） (2026-07-17T03:03:19Z) - T-Rex: Tactile-Reactive Dexterous Manipulation [139.71263755530654]
本稿では,新しい時相触覚VQ-VAEエンコーダを備えた可変レートMixture-of-Transformers (MoT)アーキテクチャを提案する。
微妙な力制御と変形可能な物体操作を必要とする12の操作課題に対して,触覚反応が有効であることを示す。
論文 参考訳（メタデータ） (2026-06-15T17:59:55Z) - TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation [46.82050380051203]
接触に富んだ操作では、ロボットは物理的な動的接触遷移や複雑な表面ジオメトリを継続的に制御し、制御する必要がある。
近年の模倣学習手法は触覚や力のフィードバックを取り入れて接触認識制御を改善するが、大域的な力や局所的な触覚の非対称的な役割をモデル化することは滅多にない。
リアルタイム操作のための軽量な力量予測フレームワークであるTacForeSightを提案する。
論文 参考訳（メタデータ） (2026-06-09T17:59:03Z) - AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。
本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
論文 参考訳（メタデータ） (2026-06-08T17:38:57Z) - Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations [60.42735420750131]
タコや象のトランクのような軟体生物は、顕著な形態的適応性を示す。
近年、様々なソフトロボットが登場し、様々な素材、硬さ、特定のタスクに合わせた形態を特徴としている。
本稿では,多様なソフトロボット構成にまたがる迅速な適応を可能にする汎用制御システムを提案する。
論文 参考訳（メタデータ） (2026-06-06T11:09:46Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Robotic Dexterous Manipulation via Anisotropic Friction Modulation using Passive Rollers [4.9697268424579635]
指先での摩擦の制御は器用な操作には基本的だが、ロボットの手では実現が難しい。
本研究では, 受動ローラを備えたロボット指先の設計と解析を行い, 接触摩擦や拘束方向を選択的に制御する。
その結果、摩擦変調に対する低複雑で機械的に効率的なアプローチとして、受動的ローラーフィンガーチップの汎用性を実証し、より適応的で堅牢なロボット操作の開発を推進した。
論文 参考訳（メタデータ） (2026-03-29T00:05:53Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [60.609604885961716]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - Geometry-based pneumatic actuators for soft robotics [3.516880783923843]
我々は,CNC熱シールチャンバーを用いた拘束層を導入する設計と実装のアプローチとして,幾何に基づく空気圧アクチュエータ(GPAs)を提案する。
このアプローチは予測可能な変形、ほぼゼロの曲げ半径、多状態アクチュエータを実現し、カスタマイズ可能かつ繰り返し可能な複雑なアクチュエータージオメトリを可能にする。
49gの手首外骨格による筋活動の最大51%低減,30.8g触覚インタフェースによる8N力フィードバックの高速応答,208g二足歩行ロボットの3つの応用によるGPAアプローチの汎用性を実証した。
論文 参考訳（メタデータ） (2026-02-27T15:43:22Z) - Rigidity-Based Multi-Finger Coordination for Precise In-Hand Manipulation of Force-Sensitive Objects [5.313029497667778]
マルチフィンガーハンドは指先接触のみに依存しており、プルフォースを適用できない。
力覚的物体の高精度な操作を可能にする多指協調のための二重層フレームワークを提案する。
我々は、このフレームワークをカスタムなデクスタラスな手で検証し、脆弱なオブジェクトを操作できることを実証した。
論文 参考訳（メタデータ） (2026-02-15T11:40:39Z) - Design and Validation of an Under-actuated Robotic Finger with Synchronous Tendon Routing [3.9881780222416316]
腱駆動のロボット指は、アクチュエータの要求を減らして外反操作に有利である。
本報告では, 同期腱ルーティングを特徴とする非作動型腱駆動型ロボット指(UTRF)について述べる。
提案したルーティングは,最小アクチュエータ数で予測可能な剛性と信頼性の高い把握性能を実現する。
論文 参考訳（メタデータ） (2025-12-11T07:05:43Z) - Preliminary Analysis and Simulation of a Compact Variable Stiffness Wrist [9.674808390941672]
本稿では、冗長な弾性アクチュエータによる可変剛性を実現する3自由度並列手首について紹介する。
このデバイスは4つのモーターしか使っておらず、コンパクトで軽量だ。
論文 参考訳（メタデータ） (2025-12-04T16:43:57Z) - Development of the Bioinspired Tendon-Driven DexHand 021 with Proprioceptive Compliance Control [10.382085972192723]
この手紙は、Dex-Hand 021という高性能でケーブル駆動の5本指ロボットハンドで、12のアクティブと7の受動的自由度(DoF)を持つ。
操作性を高めるために,プロプリオセプティブ・フォースセンシングに基づくアプタンス制御法を提案する。
実験の結果, シングルフィンガー負荷容量は10N以上, 再現性は0.001m以下, 力推定誤差は0.2N以下であった。
論文 参考訳（メタデータ） (2025-11-05T14:07:03Z) - RUKA: Rethinking the Design of Humanoid Hands with Learning [15.909251187339228]
この研究は、コンパクトで手頃で能力のある腱駆動のヒューマノイドハンドであるRUKAを提示する。
RUKAは5本の指を持ち、自由度は15度で、多種多様な人間的な握りが可能である。
制御課題に対処するために、MANUSグローブで収集したモーションキャプチャーデータから、関節-触覚-触覚モデルと指先-触覚モデルを学ぶ。
論文 参考訳（メタデータ） (2025-04-17T17:58:59Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - Twisting Lids Off with Two Hands [82.21668778600414]
シミュレーションで訓練された政策を実世界へ効果的かつ効率的に移行する方法を示す。
具体的には,ボトル状物体の蓋を両手でねじる問題について考察する。
これは、バイマガル・マルチフィンガーハンドでそのような機能を実現する最初のsim-to-real RLシステムである。
論文 参考訳（メタデータ） (2024-03-04T18:59:30Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z)
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。