論文の概要: SpikingTac: A Miniaturized Neuromorphic Visuotactile Sensor for High-Precision Dynamic Tactile Imprint Tracking
- arxiv url: http://arxiv.org/abs/2602.23654v1
- Date: Fri, 27 Feb 2026 03:39:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.756228
- Title: SpikingTac: A Miniaturized Neuromorphic Visuotactile Sensor for High-Precision Dynamic Tactile Imprint Tracking
- Title（参考訳）: SpikingTac: 高精度動的触覚インプリントトラッキングのための小型ニューロモルフィック・ビゾタクティルセンサー
- Authors: Tianyu Jiang, Chaofan Zhang, Shaolin Zhang, Shaowei Cui, Shuo Wang,
- Abstract要約: SpikingTacは高度に統合されたニューロモルフィックな触覚センサーで、総材料費は150ドル以下だ。
我々は,教師なしの認知ネットワークと結合したグローバルな動的状態マップを構築し,正確な追跡を可能にする。
動的タスクでは、SpikeTacは障害物回避オーバーシュートを6.2mmに制限し、従来のフレームベースのセンサーよりも5倍の性能向上を示している。
- 参考スコア（独自算出の注目度）: 10.206129577114874
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-speed event-driven tactile sensors are essential for achieving human-like dynamic manipulation, yet their integration is often limited by the bulkiness of standard event cameras. This paper presents SpikingTac, a miniaturized, highly integrated neuromorphic tactile sensor featuring a custom standalone event camera module, achieved with a total material cost of less than \$150. We construct a global dynamic state map coupled with an unsupervised denoising network to enable precise tracking at a 1000~Hz perception rate and 350~Hz tracking frequency. Addressing the viscoelastic hysteresis of silicone elastomers, we propose a hysteresis-aware incremental update law with a spatial gain damping mechanism. Experimental results demonstrate exceptional zero-point stability, achieving a 100\% return-to-origin success rate with a minimal mean bias of 0.8039 pixels, even under extreme torsional deformations. In dynamic tasks, SpikingTac limits the obstacle-avoidance overshoot to 6.2~mm, representing a 5-fold performance improvement over conventional frame-based sensors. Furthermore, the sensor achieves sub-millimeter geometric accuracy, with Root Mean Square Error (RMSE) of 0.0952~mm in localization and 0.0452~mm in radius measurement.
- Abstract（参考訳）: 高速なイベント駆動触覚センサーは人間のようなダイナミックな操作を実現するために不可欠だが、標準的なイベントカメラのバルク性によってその統合は制限されることが多い。
本稿では,小型で高度に統合されたニューロモルフィック触覚センサであるSpkingTacについて述べる。
我々は、1000〜Hzの知覚率と350〜Hzの追跡周波数で正確な追跡を可能にするために、教師なしの復調ネットワークと結合したグローバルな動的状態マップを構築した。
シリコンエラストマーの粘弾性ヒステリシスに対処し,空間ゲインダンピング機構を備えたヒステリシス対応インクリメンタル更新法を提案する。
実験結果は、極端なゼロ点安定性を示し、極端なねじり変形下であっても、0.8039ピクセルの最小平均バイアスで100\%のリターン・トゥ・オリジン成功率を達成した。
動的タスクでは、SpikeTacは障害物回避オーバーシュートを6.2〜mmに制限し、従来のフレームベースのセンサーよりも5倍の性能向上を示している。
さらに、このセンサは、局所化で0.0952〜mm、半径測定で0.0452〜mmのルート平均角誤差(RMSE)を用いて、サブミリメートルの幾何学的精度を達成する。
関連論文リスト
- Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - MLRecon: Robust Markerless Freehand 3D Ultrasound Reconstruction via Coarse-to-Fine Pose Estimation [8.489758968497188]
MLReconはロバストなマーカーレス3DUS再構成フレームワークで、ドリフト耐性の6Dプローブのポーズトラッキングを提供する。
我々のパイプラインは、視覚誘導型発散検出器によって強化されたプローブの連続的なマーカーレス追跡を可能にする。
実験の結果、MLReconは競合するセンサレスやセンサアシストの手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-03-01T08:39:21Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T13:32:59Z) - Evetac: An Event-based Optical Tactile Sensor for Robotic Manipulation [20.713880984921385]
Evetacはイベントベースの光学触覚センサーである。
タッチ処理アルゴリズムを開発し,その測定結果を1000Hzでオンラインで処理する。
Evetacの出力とマーカー追跡は、データ駆動スリップの検出と予測モデルを学ぶ上で有意義な機能を提供する。
論文 参考訳（メタデータ） (2023-12-02T22:01:49Z) - DynaMoN: Motion-Aware Fast and Robust Camera Localization for Dynamic Neural Radiance Fields [71.94156412354054]
動的ニューラルラジアンス場(DynaMoN)の高速かつロバストなカメラ位置推定法を提案する。
DynaMoNは、初期のカメラポーズ推定と高速で正確なノベルビュー合成のための静的集光線サンプリングのために動的コンテンツを処理している。
我々は,TUM RGB-DデータセットとBONN RGB-D Dynamicデータセットの2つの実世界の動的データセットに対するアプローチを広く評価した。
論文 参考訳（メタデータ） (2023-09-16T08:46:59Z) - 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) - Monocular Depth Estimation for Soft Visuotactile Sensors [24.319343057803973]
高密度内部(触覚)深度マップを内部小型赤外線イメージングセンサから直接推定するための最先端の単眼深度推定法の適用について検討した。
深層ネットワークは, ほとんどがテクスチャのない変形可能な流体充填センサ内において, より短い範囲(1～100mm)で精度の高い予測を行うために効果的に訓練できることを示す。
多種多様物体に対して10秒未満のランダムポーズを10秒未満で要求するオブジェクト非依存ネットワークを訓練する,単純な教師付き学習プロセスを提案する。
論文 参考訳（メタデータ） (2021-01-05T17:51:11Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。