論文の概要: Learning Contact Representation for Leg Odometry

• arxiv url: http://arxiv.org/abs/2606.05501v1
• Date: Wed, 03 Jun 2026 22:50:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.435179
• Title: Learning Contact Representation for Leg Odometry
• Title（参考訳）: レッグオドメトリーのための接触表現の学習
• Authors: Emre Girgin, Cagri Kilic,
• Abstract要約: 脚付きロボットにおける接触検出のための自己教師付き表現学習フレームワークを提案する。 学習した表現を用いて、確率論的にスタンスとスイングフェーズをモデル化する。 本フレームワークは,教師付き手法と比較して優れた性能を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The estimation of odometry in legged robots depends on the assumption that the velocity of the foot with respect to the world remains zero during the stance phase. Feedback for the main body velocity is derived from the kinematic serial chain of the feet making accurate leg phase detection is a critical subproblem. A considerable number of studies employ ground reaction force sensors mounted at the tip of the foot to classify, yet these sensors may not be universally available for all legged robots. Additionally, these sensors are often unresponsive to unaccounted disturbances, such as slippage, while the foot remains in contact with the ground. In this study, we propose a self-supervised representation learning framework for contact detection that utilizes the standard sensor set of joint encoders without reliance on force sensor augmentations. We employ learned representations to model the stance and swing phases probabilistically. The experimental results obtained confirm the efficacy of the proposed self-supervised contact detector. Our framework exhibited superior performance in comparison to supervised methods which necessitate sensor set augmentation and labeling, as well as baseline probabilistic approaches. Additionally, we make our code available to the public.
• Abstract（参考訳）: 足歩行ロボットの身長推定は、足の速度がスタンスフェーズの間もゼロであるという仮定に依存する。 正確な脚位相検出を行う脚のキネマティック・シリアル・チェーンが重要なサブプロブレムであることから、本体速度に対するフィードバックが導かれる。 多くの研究では、足の先端に装着された地面の反力センサーを使って分類している。 さらに、これらのセンサーは、足が地面と接触している間に、滑り込みのような未確認の障害に反応しないことが多い。 本研究では,センサの強化に頼らずに関節エンコーダの標準センサセットを利用する接触検出のための自己教師型表現学習フレームワークを提案する。 学習した表現を用いて、確率論的にスタンスとスイングフェーズをモデル化する。 実験の結果, 自己監督型接触検出器の有効性が確認された。 本手法は,センサセットの強化とラベル付け,ベースラインの確率的アプローチなどを必要とする教師あり手法と比較して,優れた性能を示した。 さらに、コードも公開しています。

関連論文リスト

• 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)
• Mobile Robot Localization Using a Novel Whisker-Like Sensor [2.4440761580878823]
  本稿では,単一のウィスカセンサを用いて,既知の平面環境下での接触点とロボット位置を推定するための枠組みを提案する。 その結果,7mm以下の誤差で正確な接触推定と位置推定が得られた。
  論文  参考訳（メタデータ） (2026-01-09T08:11:15Z)
• Multimodal Active Measurement for Human Mesh Recovery in Close Proximity [13.265259738826302]
  物理的な人間とロボットの相互作用では、ロボットは対象者の正確な身体のポーズを推定する必要がある。 これらのpHRIシナリオでは、ロボットは物理的相互作用のためにロボットに近づかなければならないため、装備されたカメラで対象者の身体を完全に観察することはできない。 本稿では,2次元LiDARのような触覚センサを備えたカメラのアクティブな計測・センサ融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-12T08:17:57Z)
• Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
  人間は触覚と触覚に頼っている。 視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。 本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T16:27:37Z)
• Leveraging distributed contact force measurements for slip detection: a physics-based approach enabled by a data-driven tactile sensor [5.027571997864706]
  本稿では,新たなモデルに基づくスリップ検出パイプラインについて述べる。 分散力を正確に推定する視覚ベースの触覚センサを、6自由度コボットと2フィンガーグリップパーからなる把握装置に統合した。 その結果, 形状, 材料, 重量の異なる物体を操作しながら, スリップを確実に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-09-23T17:12:46Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)
• 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。