論文の概要: Robotic Fruits with Tunable Stiffness and Sensing: Towards a Methodology for Developing Realistic Physical Twins of Fruits
- arxiv url: http://arxiv.org/abs/2602.18661v1
- Date: Fri, 20 Feb 2026 23:40:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.610685
- Title: Robotic Fruits with Tunable Stiffness and Sensing: Towards a Methodology for Developing Realistic Physical Twins of Fruits
- Title（参考訳）: 変形性剛性と感性を有するロボット果汁 : 実効性のある果汁の物理双生児を育成するための方法論を目指して
- Abstract要約: 世界のアグリフード部門は、労働力不足、高い消費者需要、サプライチェーンの破壊といった課題に直面している。
微妙な果実の柔らかいグリッパーの評価と訓練は, 天然物の機械的特性が高度に変化するため, 依然として困難である。
既存のテストプラクティスは、この変動を捉えるために大量の実の果実に依存しており、非効率性、高いコスト、無駄につながります。
この研究は、ロボットの物理的双生児が実の果実と似た硬さを調整できることを約束している。
- 参考スコア（独自算出の注目度）: 6.6075314860248895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The global agri-food sector faces increasing challenges from labour shortages, high consumer demand, and supply-chain disruptions, resulting in substantial losses of unharvested produce. Robotic harvesting has emerged as a promising alternative; however, evaluating and training soft grippers for delicate fruits remains difficult due to the highly variable mechanical properties of natural produce. This makes it difficult to establish reliable benchmarks or data-driven control strategies. Existing testing practices rely on large quantities of real fruit to capture this variability, leading to inefficiency, higher costs, and waste. The methodology presented in this work aims to address these limitations by developing tunable soft physical twins that emulate the stiffness characteristics of real fruits at different ripeness levels. A fiber-reinforced pneumatic physical twin of a kiwi fruit was designed and fabricated to replicate the stiffness at different ripeness levels. Experimental results show that the stiffness of the physical twin can be tuned accurately over multiple trials (97.35 - 99.43% accuracy). Gripping tasks with a commercial robotic gripper showed that sensor feedback from the physical twin can reflect the applied gripping forces. Finally, a stress test was performed over 50 cycles showed reliable maintenance of desired stiffness (0.56 - 1.10% error). This work shows promise that robotic physical twins could adjust their stiffness to resemble that of real fruits. This can provide a sustainable, controllable platform for benchmarking and training robotic grippers.
- Abstract（参考訳）: 世界のアグリフード部門は、労働力不足、高い消費者需要、サプライチェーンの破壊といった課題に直面しており、無傷の農産物が著しく失われている。
ロボット収穫は有望な代替手段として現れてきたが, 天然物の機械的特性が高度に変化するため, 繊細な果実に対する軟らかいグリッパーの評価と訓練は依然として困難である。
これにより、信頼性の高いベンチマークやデータ駆動制御戦略の確立が困難になる。
既存のテストプラクティスは、この変動を捉えるために大量の実の果実に依存しており、非効率性、高いコスト、無駄につながります。
本研究は, 実果実の剛性特性を異なる熟度でエミュレートした, 調整可能なソフト物理双生児を開発することにより, これらの制約に対処することを目的としている。
硬さを異なる熟度で再現するために, キウイ果実の繊維強化空気圧二重体を設計, 製造した。
実験の結果、物理的双生児の硬さは複数の試行(97.35 - 99.43%)で正確に調整できることが示されている。
商用のロボットグリップでタスクをグリップすると、物理的双生児からのセンサーフィードバックは、適用されたグリップ力を反映できることがわかった。
最後に、50サイクル以上の応力試験を行い、所望の剛性(0.56～1.10%の誤差)を確実に維持した。
この研究は、ロボットの物理的双生児が実の果実と似た硬さを調整できることを約束している。
これにより、ロボットグリップのベンチマークとトレーニングのための、持続可能な、制御可能なプラットフォームを提供することができる。
関連論文リスト
- Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands [99.00248904465089]
指の構造、接触面、センサーレイアウトが異なる。
本報告では,12手にわたるバイスオタクティルバイマニュアル操作のシミュレーションベンチマークであるBench2Dexについて述べる。
論文 参考訳（メタデータ） (2026-09-14T15:22:59Z) - BendTwin: Robust Dense-to-Sparse Physical Reconstruction with Bending-Aware Differentiable Spring-Mass Models [13.005715978995406]
我々は、ビデオベース再構成のための曲げ認識可能な微分可能なスプリング・マス・フレームワークであるBendTwinを紹介し、変形可能な物体の今後の予測について述べる。
BendTwinは、曲げ剛性を導入し、局所的な表面三重項を減衰させ、静止角からの偏差を罰し、高次変形を規則化する。
論文 参考訳（メタデータ） (2026-08-06T15:32:37Z) - GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。
一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。
この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
論文 参考訳（メタデータ） (2026-08-06T12:19:38Z) - V2F: Vision-Informed Grasp Force Prediction for Damage-Aware Robotic Handling of Date Fruits [6.18893747907218]
本稿では,果実のロボットハンドリングのための視覚インフォームド握力予測フレームワークを提案する。
筆者らはまず, 安全把握エンベロープを定義するために, 日付サンプルの機械的特徴付けを行う。
我々は,コンピュータビジョンに基づくセグメンテーション,アクティブ・コンチュア・リファインメント,幾何学的特徴抽出を組み合わせたビジョン・ツー・フォース・パイプラインを開発した。
論文 参考訳（メタデータ） (2026-07-22T06:36:55Z) - One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。
その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。
12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
論文 参考訳（メタデータ） (2026-06-30T10:54:16Z) - SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics [49.771521708359955]
SurgVistaは、空間的相互作用の不整合と時間的忠実性の崩壊を緩和する外科的世界モデルである。
それは、視覚的品質、時間的一貫性、相互作用の忠実性にまたがる最先端の手法を一貫して上回ります。
論文 参考訳（メタデータ） (2026-06-18T07:47:28Z) - Proprio: Latent Self-Scoring and Inference-Time Refinement for Physically Plausible Video Generation [78.41956766048308]
Proprioは、凍結したジェネレータが自身の出力の物理的妥当性を評価し改善することを可能にする、トレーニング不要のフレームワークである。
自己運動の生物学的感覚であるプロプリセプションにインスパイアされたプロプリオは、モデルの流れを自己刺激信号として扱う。
Proprioは、テキスト・ツー・ビデオ・ベンチマークと画像・ツー・ビデオ・ベンチマークの物理的妥当性を一貫して改善する。
論文 参考訳（メタデータ） (2026-05-27T09:44:18Z) - PHANTOM Hand [12.871356369910323]
腱駆動不動手は適応的握力では優れるが、運動的不予測性や非作動力伝達に悩まされることが多い。
PHANTOM Hand (Hybrid Precision-Augmented Compliance) は6つのアクチュエータと15自由度(DoF)を備えたモジュラー・ヒューマンスケールシステムである。
本稿では,正確な解析的形状と頑健な整合性把握のギャップを埋める統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-03-24T12:52:18Z) - FruitTouch: A Perceptive Gripper for Gentle and Scalable Fruit Harvesting [6.309415246949718]
FruitTouchは,光学設計を最適化し,視覚に基づく触覚センサを統合した小型グリップである。
この構成は、低コストで機械的な単純さを維持しながら、幅広い果物のサイズに対応できる。
実生果実収穫実験における握手の有効性を検証し,頑健な握力安定性と効果的な損傷防止を実証した。
論文 参考訳（メタデータ） (2026-02-22T00:38:33Z) - GRAB: A Systematic Real-World Grasping Benchmark for Robotic Food Waste Sorting [7.232745976540689]
本稿では,Glasping Real-World Article BenchmarkingフレームワークであるGRABを紹介する。
多様な変形可能なオブジェクト、高度な把握と推定のビジョン、そして重要なことに、プレグレープ条件を統合している。
本研究は,1,750件の食品汚染把握試験を含む詳細な実験評価を通じて,産業的把握度を体系的に比較した。
論文 参考訳（メタデータ） (2026-02-21T13:42:04Z) - Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。
このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。
本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
論文 参考訳（メタデータ） (2025-12-08T02:52:42Z) - Informed Learning for Estimating Drought Stress at Fine-Scale Resolution Enables Accurate Yield Prediction [10.780371055923304]
水は農業の生産性に不可欠であり、水不足と収量ポテンシャルの低下は意思決定において重要な要素である。
物理過程と整合する作物シミュレーションモデルは本質的な説明性を提供するが、しばしば性能が良くない。
作物収量モデリングのための機械学習モデルは強力でスケーラブルであるが、一般的にブラックボックスとして機能し、作物の成長の物理的原理に固執しない。
論文 参考訳（メタデータ） (2025-10-21T13:58:04Z) - Learning Speed-Adaptive Walking Agent Using Imitation Learning with Physics-Informed Simulation [0.0]
生体力学的に現実的な動作を維持しつつ、様々な歩行速度に適応できる骨格型ヒューマノイド剤を開発した。
このフレームワークは、オープンソースのバイオメカニクスデータから生体力学的に妥当な歩行運動を生産する合成データジェネレータと、エージェントの歩行ポリシーを訓練するために逆模倣学習を使用する訓練システムとを組み合わせる。
論文 参考訳（メタデータ） (2024-12-05T07:55:58Z) - Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。
1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
論文 参考訳（メタデータ） (2024-11-01T13:04:25Z) - Extreme Miscalibration and the Illusion of Adversarial Robustness [66.29268991629085]
敵の訓練は、しばしばモデルの堅牢性を高めるために使用される。
我々は、この観測されたロバストネスの利得はロバストネスの錯覚(IOR)であることを示した。
我々は,NLPコミュニティに対して,試験時間温度のスケーリングを堅牢性評価に組み込むよう促す。
論文 参考訳（メタデータ） (2024-02-27T13:49:12Z) - Grape Cold Hardiness Prediction via Multi-Task Learning [18.979780350924635]
秋から春にかけての低温は、ブドウや他の果実植物に凍害をもたらす可能性がある。
農家は、スプリンクラー、ヒーター、風車などの高価な凍害対策を展開し、損傷が生じる可能性があると判断する。
研究者らは、厳しいフィールド計測データに基づいて、異なるブドウ品種に調整できる冷硬度予測モデルを開発した。
論文 参考訳（メタデータ） (2022-09-21T18:18:52Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - 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。