論文の概要: Delta6: A Low-Cost, 6-DOF Force-Sensing Flexible End-Effector
- arxiv url: http://arxiv.org/abs/2604.06150v1
- Date: Tue, 07 Apr 2026 17:52:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.980393
- Title: Delta6: A Low-Cost, 6-DOF Force-Sensing Flexible End-Effector
- Title（参考訳）: Delta6: 低コスト6自由度力感知型フレキシブルエンドエフェクター
- Abstract要約: Delta6は低コストの力/トルクのエンドエフェクターで、敵のバネと磁気エンコーダを組み合わせて正確なレンチ検知を行う。
完全に3Dプリントされた試作機は、全てオフザシェルフ部品で組み立てられ、+/-14.4 N以上のピーク力と+/-0.33 N.mのトルクに耐える。
- 参考スコア（独自算出の注目度）: 10.402852217410818
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents Delta6, a low-cost, six-degree-of-freedom (6-DOF) force/torque end-effector that combines antagonistic springs with magnetic encoders to deliver accurate wrench sensing while remaining as simple to assemble as flat-pack furniture. A fully 3D-printed prototype, assembled entirely from off-the-shelf parts, withstands peak forces above +/-14.4 N and torques of +/-0.33 N.m per axis; these limits can be further extended by leveraging the proposed parametric analytical model. Without calibration, Delta6 attains a 99th-percentile error of 7% full scale (FS). With lightweight sequence models, the error is reduced to 3.8% FS by the best-performing network. Benchmarks on multiple computing platforms confirm that the device's bandwidth is adjustable, enabling balanced trade-offs among update rate, accuracy, and cost, while durability, thermal drift, and zero-calibration tests confirm its robustness. With Delta6 mounted on a robot arm governed by a force-impedance controller, the system successfully performs two contact-rich tasks: buffing curved surfaces and tight assemblies. Experiments validate the design, showing that Delta6 is a robust, low-cost alternative to existing 6-DOF force sensing solutions. Open-source site: https://wings-robotics.github.io/delta6 .
- Abstract（参考訳）: 本稿では,6自由度6自由度(6自由度6自由度)力/トルクエンドエフェクタであるDelta6について述べる。
完全に3Dプリントされた試作機は、全て既製の部品から組み立てられ、+/-14.4 N以上のピーク力と軸あたりのトルク+/-0.33 N.mに耐える。
キャリブレーションなしでは、Delta6は全スケール(FS)の99番目のエラーとなる。
軽量なシーケンスモデルでは、エラーは最高性能のネットワークによって3.8% FSに削減される。
複数のコンピューティングプラットフォームのベンチマークでは、デバイスの帯域幅が調整可能であることを確認し、更新率、精度、コストのバランスの取れたトレードオフを可能にし、耐久性、熱ドリフト、ゼロ校正テストはその堅牢性を確認している。
Delta6をロボットアームに装着すると、システムは2つの接触に富んだタスク、すなわち湾曲した表面とタイトな組み立てを実行した。
実験では、デルタ6が既存の6-DOFの力感知ソリューションに代わる堅牢で低コストな代替品であることが示されている。
オープンソースサイト:https://wings-robotics.github.io/delta6。
関連論文リスト
- On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - Tripody: An Overconstrained 3-SPR-like Parallel Robot for High-Reach Construction Tasks [5.351986678360277]
Tripodyは車輪付きの3DoF並列ロボットだ。
古典的な3SPRの基本球形関節を置き換える。
システムは高さ1.7mから3.4mまで拡張され、連続32kgのペイロードをサポートする。
論文 参考訳（メタデータ） (2026-07-28T14:36:16Z) - RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes [55.15267980622371]
RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。
高速な動きと目標の消光によるロバストな追跡を可能にする。
実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
論文 参考訳（メタデータ） (2026-07-26T14:05:46Z) - Scalable Open-Source Visuotactile Sensor for 6-Axis Contact Wrench Estimation in Tensegrity Robots [6.030441869707218]
本稿では,伸縮性ロボットのためのスケーラブルでオープンソースのビゾタクタクタブルセンシングシステムを提案する。
提案するエンドキャップセンサは、エラストマーシェルと、3Dプリントした熱可塑性ポリウレタン界面と、組込みカメラとLED照明リングを収容する剛体基体を統合する。
触覚から触覚へのニューラルネットワークは、せん断ベクトル場を6次元の力とトルクの測定にマッピングする。
論文 参考訳（メタデータ） (2026-07-17T05:21:06Z) - Deep RL- Tuned Mo del-Free Adaptive Control for Lower-Limb Exoskeletons During Sit-to-Stand Transitions [0.6397595749616992]
Sit-to-stand(STS)移行は、高齢者にかなりの関節装填要求を課す。
STS中の正確な軌道追跡は、複雑な時間変化のヒト外骨格相互作用のダイナミクスのために困難である。
本稿では,STS動作中の両側下肢に対するインテリジェントモデル自由適応バックステッピング戦略を提案する。
論文 参考訳（メタデータ） (2026-06-20T13:35:47Z) - Preserving Full 6-DOF Actuation Under Abrupt Total Rotor Failures: Passive Fault-Tolerant Flight Control Using a Biaxial-Tilt Hexacopter [21.18238702353788]
従来のマルチローターは、急激なローターの故障により、到達可能なレンチスペース(AWS)が急速に崩壊する。
本稿では, 急激な全ロータ故障時の二軸チルトオーバーヘキサコプター(BTO)の受動耐力飛行について述べる。
論文 参考訳（メタデータ） (2026-06-04T03:45:26Z) - Bilateral Teleoperation with Compliant 6-DOF Pose-and-Force Sensing [8.276456155150138]
両面に装着した低コストの6-DOFポーズ・アンド・フォース式エンドエフェクタ Delta6 を提案する。
このシステムは、120pm40$msまでの遅延と1%のパケットロスを安定して追跡する。
論文 参考訳（メタデータ） (2026-05-19T02:03:23Z) - Off-Axis Compliant RCM Joint with Near-Isotropic Stiffness and Minimal Parasitic Error [5.683284334858979]
本稿では、神経内視鏡手術のための、オフ軸型モノリシックなリモート・センター・オブ・モーション(RCM)関節について述べる。
エンドエフェクターは四面体屈曲の外側に配置され、視線を改善し、殺菌を促進し、迅速な工具放出を可能にする。
論文 参考訳（メタデータ） (2026-03-30T09:59:18Z) - Characterization, Analytical Planning, and Hybrid Force Control for the Inspire RH56DFX Hand [2.574393697080417]
器用なロボットの手はますます普及しているが、科学機器としての使用が難しいものも多い。
我々はInspire RH56DFXに3つの改良を加えて、それをブラックボックスデバイスから研究ツールに変換する。
我々はこれらの部品を穴内挿入で検証し,成功率65%,手首力のみのベースライン10%を上回った。
論文 参考訳（メタデータ） (2026-03-09T22:25:38Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - Per-Axis Weight Deltas for Frequent Model Updates [0.4552848064814397]
本稿では,軽量な1軸FP16スケーリング因子とともに,重量差の符号のみを記憶する単純な1ビットデルタ方式を提案する。
この設計は1ビットデルタのコンパクトさを保ちながら、重量次元の変動をより正確に捉えている。
論文 参考訳（メタデータ） (2025-12-16T16:46:28Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - StripDet: Strip Attention-Based Lightweight 3D Object Detection from Point Cloud [6.513870680888872]
StripDetは、デバイス上の効率性のために設計された、新しい軽量フレームワークである。
標準2次元畳み込みを非対称ストリップ畳み込みに分解することにより、SABは効率よく方向特徴を抽出する。
本モデルでは, 車両検出のための79.97%のmAPを達成し, パラメータを7倍に減らし, ベースラインのPointPillarsを上回った。
論文 参考訳（メタデータ） (2025-09-07T07:32:31Z) - Breaking the Compression Ceiling: Data-Free Pipeline for Ultra-Efficient Delta Compression [57.71917274869577]
UltraDeltaはデータフリーのデルタ圧縮パイプラインで、超高圧縮と強力なパフォーマンスを実現する。
UltraDeltaは、冗長性を最小化し、情報を最大化し、層間、層内、大域的な寸法で性能を安定させるように設計されている。
論文 参考訳（メタデータ） (2025-05-19T10:37:22Z) - Soft Actor-Critic Deep Reinforcement Learning for Fault Tolerant Flight
Control [3.236217153362305]
オフライントレーニングされたソフトアクター・クリティカル深部強化学習コントローラは、高度に結合した操作で成功している。
制御器は6つの故障事例に対して堅牢であり、その中には15デグで詰まった舵、アイレロンの有効性を70%低下させ、構造的故障、アイシング、後向きのc.g.シフトなどが含まれる。
論文 参考訳（メタデータ） (2022-02-16T07:22:54Z) - Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic
Grasp Stability Metrics [70.65363356763598]
解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。
幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。
第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
論文 参考訳（メタデータ） (2021-09-23T09:20:19Z) - SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。
本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。
対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
論文 参考訳（メタデータ） (2021-08-18T19:49:29Z)
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。