論文の概要: Acoustic Sensing for Universal Jamming Grippers
- arxiv url: http://arxiv.org/abs/2603.00351v1
- Date: Fri, 27 Feb 2026 22:31:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.152745
- Title: Acoustic Sensing for Universal Jamming Grippers
- Title（参考訳）: ユニバーサルジャミンググリップの音響センシング
- Authors: Lion Weber, Theodor Wienert, Martin Splettstößer, Alexander Koenig, Oliver Brock,
- Abstract要約: 音はグリッパーとオブジェクトを通して伝搬し、オブジェクトプロパティをコードし、機械学習によって再構成される。
我々のセンサは、物体サイズ(2.6mm誤差)と方位(0.6deg誤差)の空間分解能が高い。
リアルな触覚オブジェクトソート作業におけるセンサの検証を行い,53分間の未中断の把握とセンシングを実現した。
- 参考スコア（独自算出の注目度）: 42.48594146171026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Universal jamming grippers excel at grasping unknown objects due to their compliant bodies. Traditional tactile sensors can compromise this compliance, reducing grasping performance. We present acoustic sensing as a form of morphological sensing, where the gripper's soft body itself becomes the sensor. A speaker and microphone are placed inside the gripper cavity, away from the deformable membrane, fully preserving compliance. Sound propagates through the gripper and object, encoding object properties, which are then reconstructed via machine learning. Our sensor achieves high spatial resolution in sensing object size (2.6 mm error) and orientation (0.6 deg error), remains robust to external noise levels of 80 dBA, and discriminates object materials (up to 100% accuracy) and 16 everyday objects (85.6% accuracy). We validate the sensor in a realistic tactile object sorting task, achieving 53 minutes of uninterrupted grasping and sensing, confirming the preserved grasping performance. Finally, we demonstrate that disentangled acoustic representations can be learned, improving robustness to irrelevant acoustic variations.
- Abstract（参考訳）: ユニバーサルジャミンググリップは、その適合した体のために未知の物体をつかむのに優れています。
従来の触覚センサーは、このコンプライアンスを損なう可能性があるため、把握性能が低下する。
本研究は,グリップの軟体がセンサとなる形態センサの一種として,音響センシングを提示する。
スピーカーとマイクは、変形可能な膜から離れ、グリップキャビティ内に置かれ、コンプライアンスを完全に維持する。
音はグリッパーとオブジェクトを通して伝搬し、オブジェクトプロパティをコードし、機械学習によって再構成される。
センサは, 物体の空間分解能(2.6mm誤差), 方位(0.6dg誤差), 外部ノイズレベル80dBAに対して頑健であり, 物体材料を最大100%精度で識別し, 日常的物体を85.6%精度で識別する。
リアルな触覚オブジェクトソート作業におけるセンサの検証を行い,53分間の未中断の把握とセンシングを行い,保持された把握性能を確認した。
最後に,無関係な音響変化に対するロバスト性を向上させることで,非絡み合った音響表現を学習できることを実証する。
関連論文リスト
- TranTac: Leveraging Transient Tactile Signals for Contact-Rich Robotic Manipulation [11.834021644402148]
鍵をロックに挿入したり、USBデバイスをポートに差し込んだりといったロボット操作は、視覚的な認識が不十分な場合に失敗する可能性がある。
本稿では,データ効率と低コストな触覚検知・制御フレームワークであるTranTacを紹介する。
マイクロメータスケールで動的翻訳およびねじり変形を検出することができる。
論文 参考訳（メタデータ） (2025-09-20T06:25:59Z) - DGFusion: Depth-Guided Sensor Fusion for Robust Semantic Perception [57.77346327566903]
意味知覚に対する最先端のセンサー融合アプローチは、しばしば入力の空間的範囲にわたってセンサーデータを均一に扱う。
本稿では,深度情報の統合による条件認識融合を改良する,深度誘導型マルチモーダル融合法を提案する。
提案手法は,挑戦的なMUSESデータセットとDELIVERデータセット上で,最先端のパノプティクスとセマンティックセマンティックセグメンテーション性能を実現する。
論文 参考訳（メタデータ） (2025-09-11T20:03:00Z) - SensorLM: Learning the Language of Wearable Sensors [50.95988682423808]
本稿では,自然言語によるウェアラブルセンサデータ理解を可能にするセンサ言語基盤モデルのファミリーであるSensorLMを紹介する。
本稿では,センサデータから統計的,構造的,意味的な情報を収集する階層的なキャプション生成パイプラインを提案する。
このアプローチにより、これまでで最大のセンサー言語データセットのキュレーションが可能となり、103,000人以上から5970万時間以上のデータを収集した。
論文 参考訳（メタデータ） (2025-06-10T17:13:09Z) - A Soft e-Textile Sensor for Enhanced Deep Learning-based Shape Sensing of Soft Continuum Robots [0.3495246564946556]
ロボットナビゲーションの安全性と精度は、特にソフト連続ロボット工学の領域において最重要となる。
従来の剛性センサーは、これらのロボットの柔軟な性質とうまく統合できず、望ましくないバルクと剛性を加える。
本研究は, ソフト e-textile resistive sensor を用いて, ソフト連続体ロボットの形状認識の新しい手法を提案する。
論文 参考訳（メタデータ） (2024-04-19T05:00:25Z) - Exponential sensitivity revival of noisy non-Hermitian quantum sensing with two-photon drives [3.031137751464259]
非エルミタンセンサの感度回復と安定性に対する損失と利得の影響を解析的に特徴付け,強調する。
本論文は、損失と利得を積極的に調整することにより、感度を著しく向上する方法を開放する。
論文 参考訳（メタデータ） (2023-03-29T10:17:19Z) - On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。
本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
論文 参考訳（メタデータ） (2023-03-26T22:32:44Z) - 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) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - 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) - Scalable Tactile Sensing for an Omni-adaptive Soft Robot Finger [15.296478998148443]
そこで本研究では,全方向において例外的な適応性を有するオムニ適応型ソフトロボット指のための光ファイバを用いた組込みセンシングソリューションを提案する。
結果として得られる統合は、物理的に安全な人間とロボットの相互作用のための、多用途で低コストで耐湿性のあるソリューションとしてスケーラブルである。
論文 参考訳（メタデータ） (2020-02-29T21:18:51Z)
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。