論文の概要: A Model-based Visual Contact Localization and Force Sensing System for Compliant Robotic Grippers

• arxiv url: http://arxiv.org/abs/2605.00307v1
• Date: Fri, 01 May 2026 00:34:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.796283
• Title: A Model-based Visual Contact Localization and Force Sensing System for Compliant Robotic Grippers
• Title（参考訳）: ロボットグリッパーのモデルに基づく視覚的接触位置定位と力覚システム
• Authors: Kaiwen Zuo, Shuyuan Yang, Zonghe Chua,
• Abstract要約: 変形可能なグリップへの力覚の統合は、コスト、複雑さ、機械的堅牢性、パフォーマンスのトレードオフを交渉する。 現在のアプローチでは、主にエンドツーエンドのディープラーニングを活用しています。 我々は,反復的接触局所化と未知物体への一般化を組み合わせたモデルに基づく視覚力センシング手法を開発した。
• 参考スコア（独自算出の注目度）: 11.232660351404684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Grasp force estimation can help prevent robots from damaging delicate objects during manipulation and improve learning-based robotic control. Integrating force sensing into deformable grippers negotiates trade-offs in cost, complexity, mechanical robustness, and performance. With the growing integration of RGB-D wrist cameras into robotic systems for control purposes, camera-based techniques are a promising solution for indirect visual force estimation. Current approaches mostly utilize end-to-end deep learning, which can be brittle when generalizing to new scenarios, while existing model-based approaches are unsuited to grasping and modern grasper geometries. To address these challenges, we developed a model-based visual force sensing approach integrating an iterative contact localization with generalization to unseen objects. The system extracts structural key points from wrist camera RGB-D images of deforming fin-ray-shaped soft grippers, and uses these key points to define parameters of an inverse finite element analysis simulation in Simulation Open Framework Architecture. The iterative contact localization sub-system utilizes a deep learning-based online 3D reconstruction and pose estimation pipeline to dynamically update contact location, and is robust to visual occlusion and unseen objects. Our system demonstrated an average root mean square error of 0.23 N and normalized root mean square deviation of 2.11% during the load phase, and 0.48 N and 4.34% over the entire grasping process when interacting with different objects under various conditions, showcasing its potential for real-time model-based indirect force sensing of soft grippers.
• Abstract（参考訳）: 重力力の推定は、操作中にロボットが繊細な物体に損傷を与えないようにし、学習ベースのロボット制御を改善するのに役立つ。 変形可能なグリップへの力覚の統合は、コスト、複雑さ、機械的堅牢性、パフォーマンスのトレードオフを交渉する。 制御目的のためにRGB-D手首カメラをロボットシステムに統合することで、カメラベースの技術は間接的な視覚力推定のための有望な解決策となる。 現在のアプローチは主にエンドツーエンドのディープラーニングを利用しており、これは新しいシナリオに一般化する際には脆くなりうるが、既存のモデルベースのアプローチは把握と現代の把握幾何学には適していない。 これらの課題に対処するために,反復的接触位置定位と非表示物体への一般化を組み合わせたモデルに基づく視覚力センシング手法を開発した。 本システムは,手首カメラRGB-D画像から,フィン線形状のソフトグリップを変形する構造キーポイントを抽出し,これらのキーポイントを用いてシミュレーションオープンフレームワークアーキテクチャにおける逆有限要素解析シミュレーションのパラメータを定義する。 反復的コンタクトローカライゼーションサブシステムは、ディープラーニングベースのオンライン3D再構成とポーズ推定パイプラインを使用して、接触位置を動的に更新する。 本システムでは, 負荷時の平均根平均二乗誤差が0.23Nであり, 負荷時の平均二乗偏差が2.11%であり, 各種条件下で異なる物体と相互作用する場合には0.48Nと4.34%であった。

関連論文リスト

• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
  3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。 本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。 我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:15Z)
• Learning Physics From Video: Unsupervised Physical Parameter Estimation for Continuous Dynamical Systems [49.11170948406405]
  本研究では,単一のビデオから既知の連続制御方程式の物理パラメータを推定する教師なし手法を提案する。 Delfys75は5種類の動的システムのための75本のビデオからなる実世界のデータセットだ。
  論文  参考訳（メタデータ） (2024-10-02T09:44:54Z)
• 3D Hand Mesh Recovery from Monocular RGB in Camera Space [3.0453197258042213]
  本研究では,ルート相対格子とルート回復タスクの並列処理を行うネットワークモデルを提案する。 暗黙的な学習手法を2次元ヒートマップに適用し、異なるサブタスク間の2次元キューの互換性を向上させる。 提案モデルは最先端のモデルに匹敵する。
  論文  参考訳（メタデータ） (2024-05-12T05:36:37Z)
• A Distance-Geometric Method for Recovering Robot Joint Angles From an RGB Image [7.971699294672282]
  本稿では,ロボットマニピュレータの関節角度を現在の構成の1つのRGB画像のみを用いて検索する手法を提案する。 提案手法は,構成空間の距離幾何学的表現に基づいて,ロボットの運動モデルに関する知識を活用する。
  論文  参考訳（メタデータ） (2023-01-05T12:57:45Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)
• Amodal 3D Reconstruction for Robotic Manipulation via Stability and Connectivity [3.359622001455893]
  学習に基づく3Dオブジェクト再構成により、3Dオブジェクトモデルの単一または少数ショット推定が可能となる。 既存の3D再構成技術は、通常、シャムファー距離またはボクセルIOUによって測定される視覚的再構成忠実度を最適化する。 本稿では,オブジェクト形状よりも先に安定性を導入するアモーダル3D再構成システムARMと,接続前の接続,マルチチャネル入力表現を提案する。
  論文  参考訳（メタデータ） (2020-09-28T08:52:54Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。