論文の概要: Heterogeneous Tactile Transformer
- arxiv url: http://arxiv.org/abs/2606.29948v1
- Date: Mon, 29 Jun 2026 08:24:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.127461
- Title: Heterogeneous Tactile Transformer
- Title（参考訳）: 不均一触覚変換器
- Abstract要約: Heterogeneous Tactile Transformer (HTT)は、異種センサ間の共用触覚表現を学習するフレームワークである。
Pretrainingは、新しいHeterogeneous Paired Tactileデータセットを使用し、4つの視覚およびアレイベースの触覚センサーに1.6Mの同期フレームを含む。
HTTは、新しいタスクや以前は目に見えないセンサーに適応する転送可能な表現を学習することが示されている。
- 参考スコア（独自算出の注目度）: 12.676986440348543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tactile sensors are inherently heterogeneous: a model trained on one sensor cannot be directly used on another, which limits learning contact-rich manipulation policies from diverse tactile data at scale. To bridge this gap, we propose the Heterogeneous Tactile Transformer (HTT), a framework that learns shared tactile representations across heterogeneous sensors. HTT consists of sensor-specific encoders and a shared transformer trunk, and is pretrained with per-modality masked reconstruction together with cross-modal alignment between paired sensors. Pretraining uses our novel Heterogeneous Paired Tactile (HPT) dataset, containing 1.6M synchronized paired frames across four vision- and array-based tactile sensors. Across distinct tactile perception and real-world manipulation tasks, HTT is shown to learn transferable representations that adapt to new tasks and previously unseen sensors. Dataset, code, and model checkpoints will be released upon publication at https://jxbi1010.github.io/htt-gh-page/.
- Abstract（参考訳）: 触覚センサーは本質的に異質であり、あるセンサーで訓練されたモデルは、別のセンサーで直接使用することはできない。
このギャップを埋めるために,異種センサ間の共用触覚表現を学習するHTT(Heterogeneous Tactile Transformer)を提案する。
HTTは、センサ固有のエンコーダと共有トランスフォーマートランクで構成されており、対のセンサー間のクロスモーダルアライメントとともに、モダリティごとのマスクによる再構築で事前訓練されている。
Pretrainingは、新しいHPT(Heterogeneous Paired Tactile)データセットを使用し、4つの視覚およびアレイベースの触覚センサーに1.6Mの同期ペアフレームを含む。
触覚の認識や実世界操作のタスクとは違って、HTTは新たなタスクやそれまで目に見えないセンサーに適応するトランスファー可能な表現を学ぶことが示されている。
データセット、コード、モデルチェックポイントはhttps://jxbi1010.github.io/htt-gh-page/で公開される。
関連論文リスト
- VQ-Touch: A Data-Efficient Tactile Generation Framework Across Sensors and Scenarios [7.9567869558684094]
VQ-Touchは、クロスセンサーとマルチシナリオアプリケーションの両方をサポートする触覚生成フレームワークである。
データから複雑な変形やテクスチャの特徴を効率的に抽出するために,DM-VQGANを提案する。
本稿では,画像やラベルなどのマルチモーダル生成タスクをサポートする統一された条件付けインタフェースを備えた離散拡散デコーダを提案する。
論文 参考訳（メタデータ） (2026-07-16T08:53:41Z) - UniTac: A Unified Multimodal Model for Cross-Sensor Tactile Understanding and Generation [31.729644010916576]
触覚の理解と生成を目的とした初のUMMであるUniTacを提案する。
UniTacは、触覚プロセスを非接触から接触への移行としてモデル化し、デュアルレベル表現を通じてセンサーとオブジェクト間の物理的相互作用をキャプチャする。
触覚理解のために、UniTacはオブジェクトのプロパティ記述とセンサー識別という2つのタスクを導入し、物理的およびクロスセンサー情報に対する推論を強化する。
触覚生成のための2段階のトレーニングパラダイムを設計し,実際の触覚接触をシミュレートするセンサ・プライア・サンプリング・ストラテジーと組み合わせた。
論文 参考訳（メタデータ） (2026-06-30T10:25:46Z) - TactX: Learning Shared Tactile Representations Across Diverse Sensors [18.127088232068456]
本稿では,センサ間の触覚表現を伝達可能なフレームワークであるTactXを提案する。
TactXは、対の接触データに基づいて訓練されたモダリティ固有のエンコーダを通して、異質な触覚観測を共有潜在空間にマッピングする。
実験によると、TactXはオブジェクトレベルの接触情報を保存しながら、センサー間で触覚表現を調整している。
論文 参考訳（メタデータ） (2026-06-30T07:09:40Z) - 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) - How to Train your Tactile Model: Tactile Perception with Multi-fingered Robot Hands [5.994865673189261]
TacViTは、新しいセンサーデータに基づいて一般化するビジョントランスフォーマーに基づく、新しい触覚知覚モデルである。
この機能は、データ収集と再トレーニングの必要性を大幅に低減し、新しいセンサーのデプロイを加速する。
実際のロボットアプリケーションに触覚センサーをよりスケーラブルで実用的なものにするための、TacViTの可能性を強調した。
論文 参考訳（メタデータ） (2026-04-01T11:15:27Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。
本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。
スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
論文 参考訳（メタデータ） (2026-02-14T16:05:08Z) - 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) - Sensor-Invariant Tactile Representation [11.153753622913843]
高解像度触覚センサーは、知覚の具体化やロボット操作に欠かせないものとなっている。
この分野における重要な課題は、設計と製造のバリエーションによるセンサー間の伝達性の欠如である。
本稿では,光触覚センサ間のゼロショット転送を可能にする,SITR(Sensor-Invariant Tactile Representations)の抽出手法を提案する。
論文 参考訳（メタデータ） (2025-02-27T00:12:50Z) - ACROSS: A Deformation-Based Cross-Modal Representation for Robotic Tactile Perception [1.5566524830295307]
ACROSSは、センサーの変形情報を利用して触覚センサ間でデータを翻訳するフレームワークである。
我々はバイオタックセンサの触覚信号をDIGIT触覚画像に転送する。
論文 参考訳（メタデータ） (2024-11-13T11:29:14Z) - 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)
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。