論文の概要: Acoustic Feedback for Closed-Loop Force Control in Robotic Grinding

• arxiv url: http://arxiv.org/abs/2602.20596v1
• Date: Tue, 24 Feb 2026 06:35:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.661873
• Title: Acoustic Feedback for Closed-Loop Force Control in Robotic Grinding
• Title（参考訳）: ロボット研削における閉ループ力制御のための音響フィードバック
• Authors: Zongyuan Zhang, Christopher Lehnert, Will N. Browne, Jonathan M. Roberts,
• Abstract要約: 本稿では,低コストな音響フィードバックロボット研削システム(AFRG)について紹介する。 AFRGは、コンタクトマイクで音声信号をキャプチャし、音声からの研削力をリアルタイムで推定し、研削工程のクローズループ制御を可能にする。 AFRGは安価なマイクのみに依存しており、従来のセンサーより約200倍安い。
• 参考スコア（独自算出の注目度）: 0.7559720049837458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Acoustic feedback is a critical indicator for assessing the contact condition between the tool and the workpiece when humans perform grinding tasks with rotary tools. In contrast, robotic grinding systems typically rely on force sensing, with acoustic information largely ignored. This reliance on force sensors is costly and difficult to adapt to different grinding tools, whereas audio sensors (microphones) are low-cost and can be mounted on any medium that conducts grinding sound. This paper introduces a low-cost Acoustic Feedback Robotic Grinding System (AFRG) that captures audio signals with a contact microphone, estimates grinding force from the audio in real time, and enables closed-loop force control of the grinding process. Compared with conventional force-sensing approaches, AFRG achieves a 4-fold improvement in consistency across different grinding disc conditions. AFRG relies solely on a low-cost microphone, which is approximately 200-fold cheaper than conventional force sensors, as the sensing modality, providing an easily deployable, cost-effective robotic grinding solution.
• Abstract（参考訳）: 音響フィードバックは、人間が回転工具で研削作業を行う際に、工具と作業物との間の接触状態を評価するための重要な指標である。 対照的に、ロボット研削システムは典型的には力感知に依存しており、音響情報は無視されている。 超音波センサ(マイクロフォン)は安価で、研削音を伝達する媒体に装着することができる。 本稿では,AFRG(Austic Feedback Robotic Grinding System)を低コストで導入し,接触マイクロホンで音声信号を捕捉し,音声からの研削力をリアルタイムで推定し,研削工程の閉ループ力制御を可能にする。 AFRGは従来の強制センシング手法と比較して、異なる研削ディスク条件の4倍の整合性向上を実現している。 AFRGは、従来の力センサーよりも約200倍安い低価格のマイクロフォンのみに依存しており、容易に展開可能で費用対効果の高いロボット研削ソリューションを提供する。

関連論文リスト

• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Active propulsion noise shaping for multi-rotor aircraft localization [2.53740603524637]
  既知の環境における自己雑音に基づくローカライゼーションのためのニューラルネットワークアーキテクチャを提案する。 学習時間変化ロータ位相変調と同時にトレーニングすることで,高精度でロバストなロータ位相変調を実現する。
  論文  参考訳（メタデータ） (2024-02-27T08:02:48Z)
• Exploring Sound vs Vibration for Robust Fault Detection on Rotating Machinery [13.480792901281047]
  本研究は, カタール大学Dual-Machine Bearing Fault Benchmarkデータセット(QU-DMBF)を提案する。 我々は,多数の設置条件と運転条件により,振動に基づく故障検出の大きな限界と欠点に焦点をあてる。 幅広い実験結果から, 音による断層検出法は, 振動による検出法よりもかなり頑健であることがわかった。
  論文  参考訳（メタデータ） (2023-12-17T15:27:32Z)
• Attention-Refined Unrolling for Sparse Sequential micro-Doppler Reconstruction [1.1356542363919058]
  STARは、高度に不完全なチャネル計測からでも人間の動きのマイクロドップラー配列を再構築するニューラルネットワークである。 これは、再構築されたマイクロドップラーの品質の観点から、最先端の技術を大幅に上回っている。
  論文  参考訳（メタデータ） (2023-06-25T12:50:17Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Enhancing the sensitivity of atom-interferometric inertial sensors using robust control [0.0]
  実際の環境での運用は、外部からの干渉、プラットフォームノイズ、サイズ、重量、電力に対する制約によって困難である。 本研究では,ロバスト制御技術を用いて設計した調整光パルスが原子間干渉加速度計において重要な誤差源を緩和することを示す。
  論文  参考訳（メタデータ） (2023-03-07T06:50:52Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• Play it by Ear: Learning Skills amidst Occlusion through Audio-Visual Imitation Learning [62.83590925557013]
  我々は視覚と音声の入力から、部分的に観察された操作タスクのセットを学習する。 提案システムは,遠隔操作による実演とオンラインファインタニングを併用することで,これらの課題を学習する。 模擬課題の集合において、我々のシステムは音声を使うことの恩恵を受けており、オンライン介入を用いることで、オフライン模倣学習の成功率を20%向上できることがわかった。
  論文  参考訳（メタデータ） (2022-05-30T04:52:58Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。