Fugu-MT 論文翻訳(概要): TaCauchy: An Extensible FEM Framework for Vision-Based Tactile Simulation

論文の概要: TaCauchy: An Extensible FEM Framework for Vision-Based Tactile Simulation

arxiv url: http://arxiv.org/abs/2606.20426v1
Date: Thu, 18 Jun 2026 16:08:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-19 18:23:39.973712
Title: TaCauchy: An Extensible FEM Framework for Vision-Based Tactile Simulation
Title（参考訳）: TaCauchy: 視覚ベースの触覚シミュレーションのための拡張可能なFEMフレームワーク
Authors: Hengfei Zhao, Yifan Xie, Junhao Gong, Yue Sun, Kai Zhu, Weihua He, Shoujie Li, Haohuan Fu, Wenbo Ding,
Abstract要約: 視覚に基づく触覚センサは、強化学習のための高忠実度シミュレーションを必要とする。本稿では、厳密な物理に基づく力計算をアイザック・シムに統合するフレームワークであるTaCauchyを紹介する。
参考スコア（独自算出の注目度）: 18.855496219309
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vision-based tactile sensors require high-fidelity simulation for reinforcement learning, yet existing approaches struggle to provide accurate mechanical stress fields within GPU-accelerated robotics platforms. We present TaCauchy, an extensible Finite Element Method (FEM) framework that integrates rigorous physics-based force computation into Isaac Sim. Built on the Unified Incremental Potential Contact (UIPC) solver, TaCauchy directly computes Cauchy stress tensors from hyperelastic constitutive laws and projects them onto contact surfaces to obtain traction forces and pressure distributions, providing mechanical ground truth from first principles rather than empirical estimation. Our framework features automatic mesh generation with geometry-aware adaptive refinement and a modular sensor interface enabling rapid integration of diverse sensors (GelSight Mini, DIGIT, 9DTact) with minimal configuration. Performance benchmarks demonstrate 33.40 FPS for single environments and 555 FPS aggregate throughput across 60 parallel environments, with stress extraction overhead under 1 ms. Physical validation experiments show strong agreement between simulated and real tactile responses across force ranges from 1.2556 N to 4.7332 N, achieving SSIM above 0.93, confirming the framework's capability to provide accurate, physically-grounded force supervision for downstream robotic manipulation tasks.
Abstract（参考訳）: 視覚ベースの触覚センサは、強化学習のための高忠実度シミュレーションを必要とするが、既存のアプローチでは、GPU加速ロボットプラットフォーム内で正確な機械的応力場を提供するのに苦労している。本稿では、厳密な物理に基づく力計算をアイザック・シムに統合した拡張可能な有限要素法(FEM)フレームワークTaCauchyを提案する。ユニファイド・インクリメンタルポテンシャル接触(UIPC)解決法に基づいて、TaCauchyは超弾性構成法則からコーシー応力テンソルを直接計算し、接触面に投影してトラクション力と圧力分布を求め、経験的推定よりも第一原理から機械的基底真理を与える。我々のフレームワークは、幾何学的適応性向上による自動メッシュ生成と、多様なセンサー(GelSight Mini, DIGIT, 9DTact)を最小限の構成で迅速に統合できるモジュール型センサーインタフェースを備えている。物理的検証実験により、シミュレーションと実際の触覚応答は1.2556Nから4.7332Nの範囲で強い一致を示し、0.93以上のSSIMを達成した。

関連論文リスト

PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
論文参考訳（メタデータ） (2026-04-30T17:53:03Z)
ETac: A Lightweight and Efficient Tactile Simulation Framework for Learning Dexterous Manipulation [5.35226291342953]
本研究では,エラストマーソフトボディ相互作用を高忠実度と高効率でモデル化する触覚シミュレーションフレームワークETacを提案する。 ETacは、ソフトボディの接触ダイナミクスを捉えるために、軽量なデータ駆動変形伝搬モデルを採用している。 4,096の並列環境における強化学習をサポートし、総スループットは869 FPSである。
論文参考訳（メタデータ） (2026-04-22T07:51:20Z)
Resonance4D: Frequency-Domain Motion Supervision for Preset-Free Physical Parameter Learning in 4D Dynamic Physical Scene Simulation [53.141181758015186]
Resonance4Dは3次元ガウス散乱と物質点法を結合した物理駆動4次元動的シミュレーションフレームワークである。我々の重要な洞察は、動的整合性は、相補的領域における共同的拘束運動によって、高密度時間発生なしに強制できるということである。 Resonance4Dは、ピークGPUメモリを35,GB以上から20GB程度に削減しつつ、強力な物理忠実性と運動の整合性を実現する。
論文参考訳（メタデータ） (2026-04-02T13:00:22Z)
SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior [21.30232105970865]
SOFTMAPは、腱作動型ソフトフィンガーマニピュレータのリアルタイム3次元フォワードモデリングのためのsim-real learning frameworkである。我々は、シミュレーションにおいて、シミュレーションと物理ハードウェアの両方でSOFTMAPを評価し、チャンファー距離0.389mmの形状予測精度を達成した。この結果から,SOFTMAPはソフトマニピュレータの3次元フォワードモデリングと制御にデータ効率のよいアプローチを提供することがわかった。
論文参考訳（メタデータ） (2026-03-19T18:21:44Z)
Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulation [12.509181374985936]
複数の指を持つ人間のような器用な手は、人間レベルの操作機能を提供する。しかし、実際のハードウェアに直接デプロイ可能なトレーニングコントロールポリシは、コンタクトリッチな物理のため、依然として難しいままです。本稿では,高密度触覚フィードバックと関節トルクセンシングを併用して身体的相互作用を調節する実践的枠組みを提案する。
論文参考訳（メタデータ） (2026-01-06T07:26:39Z)
Py-DiSMech: A Scalable and Efficient Framework for Discrete Differential Geometry-Based Modeling and Control of Soft Robots [0.0]
Py-DiSMechはPythonベースの、ソフトロボット構造のモデリングと制御のためのオープンソースのシミュレーションフレームワークである。 Py-DiSMechは、メッシュ上での曲率やひずみなどの幾何量を識別することにより、ロッド、シェル、ハイブリッド構造の非線形変形を高忠実さで捉え、計算コストを低減させる。
論文参考訳（メタデータ） (2025-12-10T18:40:27Z)
GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文参考訳（メタデータ） (2024-12-23T18:58:17Z)
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)

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。