論文の概要: Introducing Environmental Constraints to Grasping Strategies for Paper-Like Flexible Materials Using a Soft Gripper

• arxiv url: http://arxiv.org/abs/2605.11714v1
• Date: Tue, 12 May 2026 08:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.689853
• Title: Introducing Environmental Constraints to Grasping Strategies for Paper-Like Flexible Materials Using a Soft Gripper
• Title（参考訳）: ソフトグリッパーを用いた紙状フレキシブル材料のグラッピング戦略への環境制約の導入
• Authors: Yi Dong, Yang Li, Jinjun Duan, Zhendong Dai,
• Abstract要約: 紙のような材料は布と異なる機械的特性を示し、圧縮応力に敏感である。 本研究は, ユニバーサルソフトグリップを用いた紙状材料の把持戦略を系統的に検討した。
• 参考スコア（独自算出の注目度）: 5.655517038035178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic manipulation of flexible objects is widely required in both industrial and service applications. Among such objects, paper-like materials exhibit distinct mechanical characteristics compared to cloth, being more sensitive to compressive stress, where minor variations in physical properties can significantly affect grasping. This study systematically investigates grasping strategies for paper-like materials using a universal soft gripper by exploiting environmental constraints. Based on manipulation primitives employed in existing grasping strategies, we proposed systematic grasping strategies for flexible materials by exploiting environmental constraints and analyzed their mechanical and kinematic models. To investigate the influence of materials and working conditions on grasping, an evaluation system for measuring grasping force and success rate was defined and experimentally evaluated. Finally, we summarized the specific workspaces and characteristics of different strategies that can satisfy various task requirements and lead to potential applications in household service robots for grasping planar flexible objects.
• Abstract（参考訳）: フレキシブルオブジェクトのロボット操作は、産業用とサービス用の両方で広く必要とされる。 このような物体の中で、紙のような材料は布と異なる機械的特性を示し、圧縮応力に敏感であり、物理的性質の微妙な変化がつかみに大きく影響する可能性がある。 本研究では, 環境制約を生かしたユニバーサルソフトグリップを用いた紙状材料のつかみ方策を系統的に検討した。 既存の把握戦略における操作プリミティブに基づいて,環境制約を生かして柔軟な材料を体系的に把握する手法を提案し,その機械的・運動的モデルの解析を行った。 材料と作業条件がつかみに及ぼす影響を調べるため, 把握力と成功率を計測する評価システムを定義し, 実験的に評価した。 最後に,様々なタスク要件を満たす様々な戦略の具体的な作業空間と特徴を要約し,平面フレキシブルな物体を把握するための家庭用サービスロボットへの応用の可能性について考察した。

関連論文リスト

• Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
  環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。 WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-19T17:33:31Z)
• Physics-Based 3D Simulation for Synthetic Data Generation and Failure Analysis in Packaging Stability Assessment [39.880049089446985]
  動作パレットの動作を再現できる完全制御可能で正確な物理シミュレーションシステムを提案する。 3Dグラフィックスベースの仮想環境を備え、多様なパッケージレイアウト、異なるラップ材料、多様な動的条件を含む幅広い構成をサポートする。 パレット構成のためのクラッシュテスト予測器として,シミュレータが生成したレンダリングビデオを評価するために,ディープニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2025-08-19T16:26:57Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Robotic Paper Wrapping by Learning Force Control [14.51446250309401]
  本研究では,ロボットが包装工程の各ステップを効率的に実行できるように,模倣学習と強化学習を組み合わせた新しい枠組みを提案する。 提案法はアブレーション試験により, 断裂率, ひび割れ率を著しく低減し, 作業完了を実証した。
  論文  参考訳（メタデータ） (2025-03-19T20:45:46Z)
• Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
  本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。 1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-11-01T13:04:25Z)
• On The Fairness Impacts of Hardware Selection in Machine Learning [47.64314140984432]
  本稿では,ハードウェアがモデル性能と公平性の微妙なバランスに与える影響について検討する。 ハードウェアの選択が既存の格差を悪化させる可能性を示し、これらの相違は、異なる階層群間での勾配流と損失面の変化に起因することを示した。
  論文  参考訳（メタデータ） (2023-12-06T20:24:17Z)
• Use of Deep Neural Networks for Uncertain Stress Functions with Extensions to Impact Mechanics [9.73713941604395]
  本研究では、不確実性を捉えるために、量子回帰を伴う状態関数としてストレスをモデル化するためのディープニューラルネットワークアプローチを提案する。 これらのモデルを、微分方程式を用いて一軸衝撃力学に拡張し、ユースケースを実証し、この不確実性を考慮したストレス関数を実装するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-11-03T00:12:24Z)
• Discussing the Spectrum of Physics-Enhanced Machine Learning; a Survey on Structural Mechanics Applications [3.430730454702436]
  物理学と機械学習の交わりは、物理学の強化された機械学習(PEML)パラダイムを生み出した。 PEMLは、データまたは物理のみの手法の能力を向上し、個々の欠点を減らすことを目的としている。 本論文は, 科学・工学研究の限界を推し進める上で, PEMLの重要性を浮き彫りにするものである。
  論文  参考訳（メタデータ） (2023-10-31T12:50:25Z)
• Understanding Physical Effects for Effective Tool-use [91.55810923916454]
  本稿では,最小の協力力で効果的なツール利用戦略を創出するロボット学習計画フレームワークを提案する。 FEM(Finite Element Method)をベースとしたシミュレータを用いて,観測ツール使用時の細粒度,連続的な視覚的,身体的効果を再現する。 シミュレーションでは,提案手法が2つのタスクで観測されたものとは大きく異なる,より効果的なツール利用戦略を実現できることを示す。
  論文  参考訳（メタデータ） (2022-06-30T03:13:38Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)

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。