論文の概要: Imagining the Sense of Touch: Touch-Informed Manipulation via Imagined Tactile Representations

• arxiv url: http://arxiv.org/abs/2607.01684v1
• Date: Thu, 02 Jul 2026 04:27:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.658505
• Title: Imagining the Sense of Touch: Touch-Informed Manipulation via Imagined Tactile Representations
• Title（参考訳）: 触覚を想像する:触覚表現によるタッチインフォームド・マニピュレーション
• Authors: Zhiyuan Zhang, Adeesh Desai, Jyun-Chi Hu, Yosuke Saka, Quan Khanh Luu, Jiuzhou Lei, Davood Soleymanzadeh, Bihao Zhang, Minghui Zheng, Yu She,
• Abstract要約: 本稿では,触覚を視覚やプロプレセプションから予測し,生成した信号を用いて操作ポリシーを導出する触覚想像フレームワークであるTacImagを紹介する。 6つのシミュレーションと4つの実世界の操作タスクでTacImagを評価した。 実世界の実験では、想像力場は接触感性タスクを平均44.4%改善する一方、触覚イメージはテクスチャ感性タスクを23.3%改善する。
• 参考スコア（独自算出の注目度）: 4.954401349140998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tactile sensing can substantially improve contact-rich robotic manipulation, yet its practical deployment remains limited by the fragility, calibration requirements, and maintenance burden of tactile hardware. This raises a fundamental question: can robots benefit from tactile knowledge without requiring tactile sensors at deployment? We present TacImag, a tactile imagination framework that predicts tactile observations from vision and proprioception and uses the generated signals to guide manipulation policies. Trained from paired visuotactile demonstrations, TacImag enables touch-informed manipulation using only visual observations at test time. We evaluate TacImag on six simulated and four real-world manipulation tasks. Across simulation and real-world experiments, imagined tactile observations consistently improve manipulation performance without requiring tactile hardware. In real-world experiments, imagined force fields improve contact-sensitive tasks by 44.4% on average, whereas imagined tactile images improve texture-sensitive tasks by 23.3%, revealing that the effectiveness of tactile imagination depends strongly on the relationship between tactile representation and task requirements. Our results further suggest that tactile imagination does not simply recover missing tactile measurements. Instead, it acts as a form of contact-aware supervision that transforms subtle visual interaction cues into representations that are easier for manipulation policies to exploit.
• Abstract（参考訳）: 触覚センサーは、接触に富むロボット操作を大幅に改善するが、実用的展開は、触覚ハードウェアの脆弱性、キャリブレーションの要求、メンテナンスの負担によって制限されている。 ロボットは、展開時に触覚センサーを必要とせずに、触覚知識の恩恵を受けることができるのか? 本稿では,触覚を視覚やプロプレセプションから予測し,生成した信号を用いて操作ポリシーを導出する触覚想像フレームワークであるTacImagを紹介する。 TacImagは2組のVisuotactileデモからトレーニングされ、テスト時に視覚的な観察のみを使用してタッチインフォームド操作を可能にする。 6つのシミュレーションと4つの実世界の操作タスクでTacImagを評価した。 シミュレーションや実世界の実験を通じて、触覚観測は触覚ハードウェアを必要とせずに操作性能を一貫して改善する。 実世界の実験では、想像力場は平均で44.4%、触覚イメージは23.3%、触覚イメージの有効性は触覚表現とタスク要求の関係に強く依存している。 以上の結果から,触覚の想像力は,単に触覚測定の欠如を回復させるものではないことが示唆された。 代わりに、微妙な視覚的相互作用のキューを、操作ポリシーの活用が容易な表現に変換する、コンタクト対応の監視の形式として機能する。

関連論文リスト

• 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)
• AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
  AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。 本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
  論文  参考訳（メタデータ） (2026-06-08T17:38:57Z)
• Touch in the Wild: Learning Fine-Grained Manipulation with a Portable Visuo-Tactile Gripper [7.618517580705364]
  触覚センサーを内蔵した携帯型軽量グリップについて述べる。 視覚信号と触覚信号を統合するクロスモーダル表現学習フレームワークを提案する。 試験管挿入や管状流体移動などの細粒度タスクに対する本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-07-20T17:53:59Z)
• Robot Synesthesia: In-Hand Manipulation with Visuotactile Sensing [15.970078821894758]
  視覚的・触覚的な感覚入力を活用して手動操作を可能にするシステムを提案する。 ロボット・シンセシス(Robot Synesthesia)は、人間の触覚と視覚の合成にインスパイアされた、新しい点の雲に基づく触覚表現である。
  論文  参考訳（メタデータ） (2023-12-04T12:35:43Z)
• Multimodal and Force-Matched Imitation Learning with a See-Through Visuotactile Sensor [14.492202828369127]
  我々は、模倣学習(IL)の枠組みの中でマルチモーダル・ビゾタクタクタブル・センサを活用して、コンタクトリッチなタスクを実行する。 本稿では,IL改善のための補完手法として,触覚力マッチングと学習モード切替という2つのアルゴリズム的貢献を紹介する。 以上の結果から, 力の一致が平均政策成功率62.5%, ビズオタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタク
  論文  参考訳（メタデータ） (2023-11-02T14:02:42Z)
• 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)
• 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)

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。