論文の概要: ARISTO Hand: Sensing-Driven Distal Hyperextension for Fine-Grained Manipulation
- arxiv url: http://arxiv.org/abs/2605.30508v1
- Date: Thu, 28 May 2026 19:44:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.199109
- Title: ARISTO Hand: Sensing-Driven Distal Hyperextension for Fine-Grained Manipulation
- Title（参考訳）: ARISTOハンド:細粒度マニピュレーションのためのセンシング駆動型遠位部高血圧
- Authors: Aaron Kim, Dong Ho Kang, Mark Helwig, Mingyo Seo, Kazuto Yokoyama, Tetsuya Narita, Luis Sentis,
- Abstract要約: ARISTO Handは腱駆動のロボットハンドで、アクティブな遠位部高血圧とハイブリッド指先感覚アーキテクチャを統合している。
アクティブな高血圧は、標準的な屈曲の運動的限界を超える制御された指先エンゲージメントを可能にする。
剛性爪装着センサは、エッジ接触時の信頼性の高い力測定を提供する。
- 参考スコア（独自算出の注目度）: 3.3685005431669732
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manipulating thin objects requires precise contact geometry and reliable force perception, yet many anthropomorphic robotic hands lack the mechanical and sensing capabilities needed for such interactions. We present the ARISTO Hand, a tendon-driven robotic hand that integrates active distal hyperextension with a hybrid fingertip-sensing architecture that combines a rigid, nail-mounted force-torque sensor and a soft capacitive tactile array. Active hyperextension enables controlled fingertip engagement beyond the kinematic limits of standard flexion, increasing pull-out force by 2.76x for object thicknesses of 1-20 mm while preserving the nominal grasp capability. The rigid nail-mounted sensor provides reliable force measurements during edge contacts, where the sensitivity of proprioceptive force estimation degrades as the contact geometry approaches kinematic singularities. We validate the proposed architecture through quantitative force characterization and a multi-stage SD card extraction and insertion task. Video and supplementary materials are available at: https://aristohand.github.io
- Abstract（参考訳）: 細い物体を操作するには、正確な接触形状と信頼性のある力覚が必要であるが、多くの人為的なロボットハンドはそのような相互作用に必要な機械的および感覚的能力が欠如している。
ARISTOハンド(ARISTO Hand)は、腱駆動のロボットハンドで、アクティブな遠位圧伸展と、硬質で釘付力トルクセンサとソフトコンデンサ式触覚アレイを組み合わせたハイブリッドフィンガータイピングアーキテクチャを融合する。
アクティブ・ハイパーエクステンションは、標準的な屈曲のキネマティック限界を超える制御された指先エンゲージメントを可能にし、1-20mmの物体の厚さに対して2.76倍の引き抜き力を増大させるとともに、名目把握能力を保っている。
剛性爪装着型センサは、エッジ接触時の信頼性の高い力測定を提供し、接触形状が運動特異点に近づくにつれて、固有受容力推定の感度が低下する。
定量的な力評価と多段SDカード抽出・挿入タスクにより,提案手法の有効性を検証した。
ビデオおよび補足資料は、https://aristohand.github.ioで入手できる。
関連論文リスト
- MM-Hand: A 21-DOF Multi-modal Modular Dexterous Robotic Hand with Remote Actuation [25.7298718668076]
MM-Handは、リモート腱駆動アクチュエータに基づく21-DOFマルチモーダルモジュラーデキスタラスハンドである。
手はスプリング・リターンの腱駆動の指、モジュラー3Dプリントの指と手のひら構造、メンテナンス用のクイック腱コネクタ、マルチモーダルセンシングシステムを統合している。
MM-Handは、器用な操作研究のための軽量で、センサーに富み、メンテナンス可能なハードウェアプラットフォームを提供する。
論文 参考訳（メタデータ） (2026-04-19T04:12:04Z) - Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation [29.061513339025026]
我々は,手の動きを正確に捉え,高精度な触覚フィードバックを組み込んだ低コストグローブシステムTAGを提案する。
モーションキャプチャーのために、TAGはドリフトフリーで電磁力のある21-DoF関節追跡を提供する非接触磁気センシング設計を採用している。
我々は,TAGが接触幾何学と動的力の信頼性の高いリアルタイム認識を可能にし,接触豊富な遠隔操作タスクの成功率を向上させるとともに,学習に基づく操作のための実演データ収集の信頼性を高めることを示す。
論文 参考訳（メタデータ） (2026-03-30T15:04:13Z) - Rigidity-Based Multi-Finger Coordination for Precise In-Hand Manipulation of Force-Sensitive Objects [5.313029497667778]
マルチフィンガーハンドは指先接触のみに依存しており、プルフォースを適用できない。
力覚的物体の高精度な操作を可能にする多指協調のための二重層フレームワークを提案する。
我々は、このフレームワークをカスタムなデクスタラスな手で検証し、脆弱なオブジェクトを操作できることを実証した。
論文 参考訳（メタデータ） (2026-02-15T11:40:39Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Multimodal Sensing for Robot-Assisted Sub-Tissue Feature Detection in Physiotherapy Palpation [6.494549465524354]
本稿では6軸力トルクセンサと高分解能視覚ベースの触覚画像を統合する小型マルチモーダルセンサを提案する。
予備的な結果は,触覚と力のモーダル性を組み合わせることで,ロバストな地下特徴の検出とロボットの触覚制御が可能になることを示唆している。
論文 参考訳（メタデータ） (2025-12-24T06:35:48Z) - Design and Validation of an Under-actuated Robotic Finger with Synchronous Tendon Routing [3.9881780222416316]
腱駆動のロボット指は、アクチュエータの要求を減らして外反操作に有利である。
本報告では, 同期腱ルーティングを特徴とする非作動型腱駆動型ロボット指(UTRF)について述べる。
提案したルーティングは,最小アクチュエータ数で予測可能な剛性と信頼性の高い把握性能を実現する。
論文 参考訳（メタデータ） (2025-12-11T07:05:43Z) - Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - 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) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z) - The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes? [57.366931129764815]
両指にGelSight高解像度触覚センサを装着した2本指グリップを用いて,9000以上の握力試験を行った。
実験結果から,触覚を取り入れることで把握性能が著しく向上することが示唆された。
論文 参考訳（メタデータ） (2017-10-16T05:32:38Z)
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。