論文の概要: Grasp, Slide, Roll: Comparative Analysis of Contact Modes for Tactile-Based Shape Reconstruction

• arxiv url: http://arxiv.org/abs/2602.23206v1
• Date: Thu, 26 Feb 2026 16:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.744632
• Title: Grasp, Slide, Roll: Comparative Analysis of Contact Modes for Tactile-Based Shape Reconstruction
• Title（参考訳）: Grasp, Slide, Roll: 触覚に基づく形状再構成のための接触モードの比較解析
• Authors: Chung Hee Kim, Shivani Kamtikar, Tye Brady, Taskin Padir, Joshua Migdal,
• Abstract要約: 本稿では,触覚機能付きデキスタラスグリップを用いた物体形状再構成における接触モードの違いがどう影響するかを考察する。 本研究は3つの接触相互作用モード(グリップフリーズ,指の放牧による滑動,手のひらローリング)を比較した。 以上の結果から, 触覚知覚効率の向上は, 形状復元の高速化に寄与し, 34%の物理的相互作用を必要とせず, 再現精度を55%向上させることができた。
• 参考スコア（独自算出の注目度）: 5.441555196600574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tactile sensing allows robots to gather detailed geometric information about objects through physical interaction, complementing vision-based approaches. However, efficiently acquiring useful tactile data remains challenging due to the time-consuming nature of physical contact and the need to strategically choose contact locations that maximize information gain while minimizing physical interactions. This paper studies how different contact modes affect object shape reconstruction using a tactile-enabled dexterous gripper. We compare three contact interaction modes: grasp-releasing, sliding induced by finger-grazing, and palm-rolling. These contact modes are combined with an information-theoretic exploration framework that guides subsequent sampling locations using a shape completion model. Our results show that the improved tactile sensing efficiency of finger-grazing and palm-rolling translates into faster convergence in shape reconstruction, requiring 34% fewer physical interactions while improving reconstruction accuracy by 55%. We validate our approach using a UR5e robot arm equipped with an Inspire-Robots Dexterous Hand, showing robust performance across primitive object geometries.
• Abstract（参考訳）: 触覚によってロボットは物理的相互作用を通じて物体に関する詳細な幾何学的情報を収集し、視覚に基づくアプローチを補完することができる。 しかし, 物理的接触の時間的特性や, 物理的相互作用を最小限に抑えつつ, 情報獲得を最大化する接触位置を戦略的に選択する必要があるため, 有用な触覚データを効率的に取得することは依然として困難である。 本稿では,触覚機能付きデキスタラスグリップを用いた物体形状再構成における接触モードの違いがどう影響するかを考察する。 本研究は3つの接触相互作用モード(グリップフリーズ,指の放牧による滑動,手のひらローリング)を比較した。 これらの接触モードは、形状完備モデルを用いてその後のサンプリング位置を案内する情報理論探索フレームワークと組み合わせられる。 以上の結果から, 触覚知覚効率の向上は, 形状復元の高速化に寄与し, 34%の物理的相互作用を必要とせず, 再現精度を55%向上させることができた。 Inspire-Robots Dexterous Handを搭載したUR5eロボットアームを用いて本手法の有効性を検証する。

関連論文リスト

• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• AnyRotate: Gravity-Invariant In-Hand Object Rotation with Sim-to-Real Touch [9.606323817785114]
  我々は,高密度のsim-to-realタッチを用いた重力不変多軸物体回転システムであるAnyRotateを提案する。 我々の定式化により、統一されたポリシーの訓練により、任意の回転軸に関する未知の物体を任意の方向で回転させることができる。 リッチな多指触覚センシングは不安定な把握を検知し、ポリシーの堅牢性を改善するリアクティブな振る舞いを提供する。
  論文  参考訳（メタデータ） (2024-05-12T22:51:35Z)
• Learning Explicit Contact for Implicit Reconstruction of Hand-held Objects from Monocular Images [59.49985837246644]
  我々は,手持ちの物体を暗黙的に再構築する上で,明示的な方法で接触をモデル化する方法を示す。 まず,1つの画像から3次元手オブジェクトの接触を直接推定するサブタスクを提案する。 第2部では,ハンドメッシュ面から近傍の3次元空間へ推定された接触状態を拡散する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-05-31T17:59:26Z)
• Semi-Supervised Disentanglement of Tactile Contact~Geometry from Sliding-Induced Shear [12.004939546183355]
  触覚は人間の器用さに根ざしている。 ロボットタッチ、特にソフトな光触覚センサーで模倣すると、動きに依存したせん断による歪みに悩まされる。 本研究では,接触情報のみを保存しながらせん断を除去する半教師付き手法を提案する。
  論文  参考訳（メタデータ） (2022-08-26T08:30:19Z)
• 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)
• Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
  触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。 EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。 さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T03:49:59Z)
• 3D Shape Reconstruction from Vision and Touch [62.59044232597045]
  3次元形状再構成では、視覚と触覚の相補的な融合はほとんど未解明のままである。 本稿では,ロボットハンドと多数の3Dオブジェクトの相互作用から,触覚と視覚信号のシミュレーションデータセットを提案する。
  論文  参考訳（メタデータ） (2020-07-07T20:20:33Z)

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。