論文の概要: Dense Force Estimation with an Event-based Optical Tactile Sensor

• arxiv url: http://arxiv.org/abs/2606.09451v1
• Date: Mon, 08 Jun 2026 12:57:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.077687
• Title: Dense Force Estimation with an Event-based Optical Tactile Sensor
• Title（参考訳）: イベントベース光学触覚センサを用いた高密度力推定
• Authors: Agis Politis, René Zurbrügg, Valentina Cavinato,
• Abstract要約: イベントベース光触覚センサを用いた高密度3次元力場再構築のための第1のフレームワークを提案する。 本稿では, イベントデータから3次元表面変位を推定し, 逆有限要素法(iFEM)を用いて力にマッピングする。 実験では、(4N、4N、20N)までの力範囲で(0.14N、0.10N、0.93N)の平均的な絶対誤差を達成することによって、物理的に接地された力の正確な再構築が示されている。 本研究は,ロボットの把持・操作における高周波数制御のための高密度力フィードバックの実現に向けた第一歩となる。
• 参考スコア（独自算出の注目度）: 3.671333019917016
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Humans rely on spatially dense, geometry and force-aware tactile feedback at high temporal resolution for dexterous manipulation. While vision-based tactile sensors enable dense force estimation, they are limited by camera frame rates, motion blur, and data bandwidth. Event-based optical tactile sensors offer an attractive alternative with microsecond temporal resolution and low motion blur, but existing methods are restricted to predicting only net forces. We introduce the first framework for dense 3D force field reconstruction using event-based optical tactile sensors. Our approach estimates 3D surface displacements from event data and maps them to forces via the inverse Finite Elements Method (iFEM). Shear displacements are recovered through the proposed event-based marker tracking algorithm, while normal displacements are predicted by a convolutional neural network trained on a collected dataset of synchronized force-displacement-event data. Experiments demonstrate accurate reconstruction of physically grounded forces, achieving a mean absolute error of (0.14 N, 0.10 N, 0.93 N) over force ranges up to (4 N, 4 N, 20 N), while operating at an average of 100 Hz. This work constitutes a first step toward enabling dense force feedback for high-frequency control in robotic grasping and dexterous manipulation.
• Abstract（参考訳）: 人間は空間的に密度が高く、幾何学的、力に敏感な触覚フィードバックを高時間分解能で頼りにし、巧妙な操作を行う。 視覚ベースの触覚センサは高密度力推定を可能にするが、カメラフレームレート、動きのぼかし、データ帯域幅によって制限される。 イベントベースの光触覚センサーは、マイクロ秒の時間分解能と低モーションのぼかしを備えた魅力的な代替手段を提供するが、既存の方法はネット力のみを予測することに制限されている。 イベントベース光触覚センサを用いた高密度3次元力場再構築のための第1のフレームワークを提案する。 本稿では, イベントデータから3次元表面変位を推定し, 逆有限要素法(iFEM)を用いて力にマッピングする。 提案したイベントベースマーカー追跡アルゴリズムによりせん断変位を復元し, 同期力変位イベントデータの収集データセットに基づいてトレーニングした畳み込みニューラルネットワークにより正規変位を予測する。 実験では、物理的に接地された力の正確な再構成が示され、平均的な絶対誤差(0.14 N, 0.10 N, 0.93 N)が最大で (4 N, 4 N, 20 N) まで到達し、平均100Hzで作動する。 本研究は,ロボットの把持・操作における高周波数制御のための高密度力フィードバックの実現に向けた第一歩となる。

関連論文リスト

• TacSE3: Equivariant SE(3) Motion Estimation from Low-Texture Visuotactile Images for In-Gripper Tracking and Compensation [21.692486374633418]
  TacSE3は触覚運動推定パイプラインであり、低テクスチュア・ビジョタクティルを3次元の非結合力場に変換する。 本手法は, 接触中心運動から平面変換を導出し, 主にせん断関連触覚応答から回転を推定する。 DM-Tacフィンガーチップを用いた実験では、デュアルセンサーセンシングは翻訳・回転のあいまいさを低減し、軸と物体のジオメトリ間の回転追跡をサポートし、軽量な補償信号を提供する。
  論文  参考訳（メタデータ） (2026-05-18T06:38:06Z)
• SLAT-Phys: Fast Material Property Field Prediction from Structured 3D Latents [55.26273954022457]
  物理に基づくシミュレーション、ロボット工学、デジタルツインジェネレーションにおいて、3Dアセットの材料特性場を推定することが重要である。 本稿では,1枚のRGB画像から空間的に変化する3次元資産の材料特性場を,明示的な3次元再構成なしに直接予測するSLAT-Physを提案する。
  論文  参考訳（メタデータ） (2026-03-25T06:14:03Z)
• SpikingTac: A Miniaturized Neuromorphic Visuotactile Sensor for High-Precision Dynamic Tactile Imprint Tracking [10.206129577114874]
  SpikingTacは高度に統合されたニューロモルフィックな触覚センサーで、総材料費は150ドル以下だ。 我々は,教師なしの認知ネットワークと結合したグローバルな動的状態マップを構築し,正確な追跡を可能にする。 動的タスクでは、SpikeTacは障害物回避オーバーシュートを6.2mmに制限し、従来のフレームベースのセンサーよりも5倍の性能向上を示している。
  論文  参考訳（メタデータ） (2026-02-27T03:39:06Z)
• 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)
• Physics Informed Neural Networks for design optimisation of diamond particle detectors for charged particle fast-tracking at high luminosity hadron colliders [70.66815108184498]
  将来の高輝度ハドロン衝突装置は、極端放射線耐性、空間精度、ナノ秒以下のタイミングで追跡検出器を必要とする。 3Dダイヤモンドのピクセルセンサーは、ダイヤモンドの放射硬度とキャリアの移動性のために、これらの機能を提供する。 我々は、マクスウェル方程式の準定常近似として導かれた3次、3+1D PDEを用いて、この現象をモデル化する。
  論文  参考訳（メタデータ） (2025-09-25T13:09:28Z)
• Geometric Neural Distance Fields for Learning Human Motion Priors [51.99890740169883]
  本研究では,より頑健で時間的に整合性があり,物理的に妥当な3次元運動回復を可能にする新しい3D生成人体運動について紹介する。 AMASSデータセットをトレーニングし、NRMFは複数の入力モードにまたがって著しく一般化する。
  論文  参考訳（メタデータ） (2025-09-11T17:58:18Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• FeelAnyForce: Estimating Contact Force Feedback from Tactile Sensation for Vision-Based Tactile Sensors [18.88211706267447]
  視覚に基づく触覚センサを用いて3次元接触力を推定する問題に対処する。 我々のゴールは、様々な視覚ベースの触覚センサーにまたがって、あらゆる物体の接触力(最大15N)を推定することである。
  論文  参考訳（メタデータ） (2024-10-02T21:28:19Z)
• A soft thumb-sized vision-based sensor with accurate all-round force perception [19.905154050561013]
  視覚ベースの触覚センサーは、安価な高解像度カメラとコンピュータビジョン技術の成功により、ロボットタッチへの有望なアプローチとして登場した。 我々はInsightという名前の、頑丈でソフトで低コストで、視覚ベースで親指サイズの3D触覚センサーを提示する。
  論文  参考訳（メタデータ） (2021-11-10T20:46:23Z)
• Real-Time Tactile Grasp Force Sensing Using Fingernail Imaging via Deep Neural Networks [3.42658286826597]
  本稿では,人間の指先による視覚のみによる3次元触覚力のリアルタイム推定のための新しいアプローチを提案する。 導入されたアプローチは、完全に単眼で、物理的な力センサーを必要としない。 スケーラブルで非侵襲的で、ボディポーズ推定のような他の知覚システムと容易に融合する。
  論文  参考訳（メタデータ） (2021-09-30T16:07:41Z)

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。