論文の概要: Tactile Genesis: Exploring Tactile Sensors at Scale for Learning Dexterous Tasks

• arxiv url: http://arxiv.org/abs/2606.22332v1
• Date: Sun, 21 Jun 2026 04:49:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 18:57:45.603631
• Title: Tactile Genesis: Exploring Tactile Sensors at Scale for Learning Dexterous Tasks
• Title（参考訳）: 触覚ジェネシス:デクサラスタスク学習のための大規模触覚センサの探索
• Authors: Trinity Chung, Kashu Yamazaki, Dhruv Patel, Alexis Duburcq, Yiling Qiao, Katerina Fragkiadaki, Aran Nayebi,
• Abstract要約: 本稿では,GPU並列触覚センサシミュレーションプラットフォームであるTactile Genesisを紹介する。 二点接触、接触深度、タキセル毎の力/トルク、エラストマーマーカーの変位、幾何学的に認識された近接、接触音、およびボキセル化温度場を露呈する。 従来の触覚シミュレータに比べて3～20倍のスループット向上を実現している。
• 参考スコア（独自算出の注目度）: 24.65662960423158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tactile sensing is critical for contact-rich dexterous manipulation, yet it remains unclear which tactile abstractions a policy needs and when richer tactile fields justify their hardware cost. This is hard to study empirically: each sensor effectively defines a new robot, and no lab can replicate the same learning experiment across all of them. We present Tactile Genesis, a GPU-parallel tactile sensor simulation platform that exposes binary contact, contact depth, per-taxel kinematic force/torque, elastomer marker displacement, geometry-aware proximity, contact audio, and a voxelized temperature field (the first of its kind in robot learning physics simulation platforms) under a common interface, with configurable placement, resolution, and a realistic noise model (drift, hysteresis, dead taxels, crosstalk). It scales past 20,000 parallel environments and 1,000 taxels on a single GPU, improving throughput by 3 to 20 times over previous tactile simulators. We train teacher-student policies on three dexterous tasks, ablating sensor type, placement, resolution, and noise, and verify transfer to the real XHand1. Proprioception alone is insufficient on every task. Sensor placement dominates sensor type: fingertip-only coverage trails whole-hand coverage by a wide margin, while adding the palm and proximal phalanges closes most of the gap to the privileged teacher. Resolution matters far less than coverage: placing 200 taxels across the whole hand suffices across tasks. We find that force/torque per taxel is consistently the most useful sensor type. These results give concrete guidance for both future tactile hardware design for improving robot hands and policy-side observation choice in dexterous manipulation. https://neuroagents-lab.github.io/2026-tactile-genesis/
• Abstract（参考訳）: 触覚センシングは、接触に富むデキスタラスな操作には重要であるが、どの触覚抽象化がポリシーを必要とするのか、よりリッチな触覚フィールドがハードウェアコストを正当化するかどうかは不明だ。 それぞれのセンサーは新しいロボットを効果的に定義し、同じ学習実験を実験室で再現することはできない。 Tactile Genesisは、二点接触、接触深さ、タキセル運動力/トルク、エラストマーマーカー変位、幾何認識近接、接触音、およびボキセル化温度場(ロボット学習物理シミュレーションプラットフォームにおける最初のもの)を、設定可能な配置、解像度、および現実的なノイズモデル(ドリフト、ヒステリシス、デッドタッセル、クロストーク)で公開するGPU並列触覚センサシミュレーションプラットフォームである。 従来の触覚シミュレータに比べて3～20倍のスループット向上を実現している。 我々は,センサタイプ,配置,解像度,ノイズを非難し,実XHand1への移行を検証した。 受理だけではあらゆる仕事で不十分だ。 センサ配置はセンサタイプに支配的であり、指先のみのカバレッジパスは、手のひらと近縁のファーランジが特権教師のギャップの大部分を埋める。 決議はカバー範囲よりもはるかに少ない。タスク全体にわたって200のタッシェルを投入する。 私たちは、タッセルあたりの力/トルクが、常に最も有用なセンサータイプであることに気付きました。 これらの結果から,ロボットハンドの改良のための触覚ハードウェア設計と,器用な操作におけるポリシー側の観察選択の具体的ガイダンスが得られた。 https://neuroagents-lab.github.io/2026-tactile-genesis/

関連論文リスト

• FTP-1: A Generalist Foundation Tactile Policy Across Tactile Sensors for Contact-Rich Manipulation [66.22092641373067]
  FTP-1は、トランスファー可能な触覚操作能力を取得するために事前訓練された最初の一般基盤触覚ポリシーである。 画像、配列、状態ベースの信号を含む様々な触覚入力をサポートする。 プレトレーニング中に見られるセンサーを超える触覚スキルを学習する。
  論文  参考訳（メタデータ） (2026-06-11T09:30:09Z)
• Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning [6.509572742369941]
  触覚のみのブラインドグリップのためのフレームワークを提案する。 本研究では,実際の触覚信号を再現可能な接触校正型デジタル双極子シミュレータを構築するReal2Sim触覚校正パイプラインを提案する。 第2に,センサ・ジオメトリを組み込んだレイアウト認識型触覚エンコーダによる触覚観察の表現性を,自己教師付き事前学習により改善する。 第3に、未確認物体への一般化を改善するため、校正されたシミュレーターにおいて、オブジェクト固有の強化学習の専門家を訓練し、得られた把握軌道を触覚条件付き拡散ポリシーに集約する。
  論文  参考訳（メタデータ） (2026-06-10T07:46:38Z)
• TouchThinker: Scaling Tactile Commonsense Reasoning to the Open World with Large-scale Data and Action-aware Representation [50.608989079323784]
  データと表現の両方の観点から,触覚コモンセンス推論をオープンワールドに拡張する触覚言語フレームワークであるTouchThinkerを提案する。 まず,Textbf415オブジェクト, textbf8シナリオ, textbf7センサタイプをカバーする,100万規模のマルチソース触覚推論データセットであるTouchThinker-1Mを構築した。 そこで本研究では,触覚表現効率を向上し,効率的な推論を可能にする行動認識モデリング機構を提案する。
  論文  参考訳（メタデータ） (2026-06-10T03:58:32Z)
• 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)
• Learning In-Hand Translation Using Tactile Skin With Shear and Normal Force Sensing [43.269672740168396]
  3次せん断力と2次正規力のゼロショット・シミュレートを可能にする触覚皮膚センサモデルを提案する。 触覚センシングが様々な未確認オブジェクト特性へのポリシー適応をどのように促進するかを評価するために、広範囲な実世界の実験を行う。
  論文  参考訳（メタデータ） (2024-07-10T17:52:30Z)
• 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)
• TACTO: A Fast, Flexible and Open-source Simulator for High-Resolution Vision-based Tactile Sensors [8.497185333795477]
  TACTOは、視覚ベースの触覚センサのための高速で柔軟でオープンソースのシミュレータです。 リアルな高解像度のタッチ読み取りを毎秒数百フレームでレンダリングできる。 我々は,100万の把握から触覚による把握安定性の予測を学習することにより,知覚タスクにおけるTACTOの実証を行う。
  論文  参考訳（メタデータ） (2020-12-15T17:54:07Z)
• 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)

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。