論文の概要: TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation

• arxiv url: http://arxiv.org/abs/2607.09218v2
• Date: Mon, 13 Jul 2026 03:55:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.275757
• Title: TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation
• Title（参考訳）: TACTIC:全関節マニピュレーションのための触覚と視条件付き接触中心制御
• Authors: Rishabh Madan, Angchen Xie, Samantha Saak, Andres Blanco, Dohyeok Lee, Sarah Grace Brown, Yunting Yan, Mark Zolotas, Jose Barreiros, Tapomayukh Bhattacharjee,
• Abstract要約: 全腕操作では、ロボットがタスクを完了する間、環境と直接接触する。 本稿では,TACTIC(Tactile and Vision Conditioned Contact-Centric Control)を提案する。
• 参考スコア（独自算出の注目度）: 3.8628620899766553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whole-arm manipulation involves direct contact with the environment while the robot completes a task by distributing contact across multiple links as contacts form, slide, and break. This setting breaks common implicit assumptions in many learning-based manipulation pipelines: arm configuration tightly couples motion and contact forces, contact state is partially observed under occlusion, and purely learned rollouts can become physically inconsistent under distribution shift because many multi-link contact configurations are sparsely represented in the data. To address this, we propose TACTIC (Tactile and Vision Conditioned Contact-Centric Control), a receding-horizon controller for whole-arm manipulation. TACTIC uses a contact-centric hybrid predictive model that combines RGB-D, distributed tactile sensing, and a compact 2D proximity representation. The model couples a learned, action-conditioned latent dynamics model with analytical kinematics through contact Jacobians, enabling rollouts of future contact configurations and interaction forces. TACTIC integrates these rollouts into a sampling-based MPC planner with contact-aware action sampling: contact Jacobian-based projections steer sampled action sequences toward force-modulating directions, and objectives defined over predicted proximity and interaction forces trade task progress against whole-arm force regulation. We evaluate TACTIC in simulation against state-of-the-art model-based and model-free methods, and perform ablations that isolate the contribution of each design choice. TACTIC consistently outperforms other methods. We further demonstrate real-world performance on a robot with distributed tactile sensing across three whole-arm manipulation tasks that require multi-contact trajectories: turning over and repositioning a manikin, and goal-reaching in a 3D dynamic maze. Website: https://emprise.cs.cornell.edu/tactic
• Abstract（参考訳）: ロボットが複数のリンクにまたがる接触を接触形態、スライド、ブレークとして分散することでタスクを完了する間、全腕操作は環境と直接接触する。 この設定は、多くの学習ベースの操作パイプラインで一般的な暗黙の仮定を破る: アーム構成は、動きと接触力を密結合し、接触状態は部分的には閉塞下で観察され、純粋に学習されたロールアウトは、多くのマルチリンク接触構成がデータにわずかに表現されているため、分散シフト下で物理的に矛盾する可能性がある。 そこで本研究では,TACTIC(Tactile and Vision Conditioned Contact-Centric Control)を提案する。 TACTICは、RGB-D、分散触覚センシング、コンパクトな2次元近接表現を組み合わせた接触中心のハイブリッド予測モデルを使用する。 このモデルは、学習された行動条件付き潜在力学モデルと接触ヤコビアンを通して解析的キネマティクスを結合し、将来の接触構成と相互作用力のロールアウトを可能にする。 TACTICはこれらのロールアウトをサンプリングベースのMPCプランナーに統合し、接触ヤコビアンをベースとしたプロジェクション、および予測された近接および相互作用力に関する目標、および全武装力規制に対する貿易タスクの進捗を判断する。 我々は、最先端のモデルベースおよびモデルフリー手法に対するシミュレーションにおいて、TACTICを評価し、各設計選択の寄与を分離する改善を行う。 TACTICは、他の方法よりも一貫して優れている。 さらに,マニキンの回転や再配置,3次元ダイナミック迷路でのゴールキーチといった,マルチコンタクト・トラジェクトリを必要とする3つの全腕操作タスクに対して,触覚を分散したロボット上での現実的なパフォーマンスを実演する。 Webサイト: https://emprise.cs.cornell.edu/tactic

関連論文リスト

• UniTacVLA: Unified Tactile Understanding and Prediction in Vision Language Action Models [32.87879913150572]
  コンタクトリッチな操作のための統合された触覚学習フレームワークを提案する。 提案手法は,既存手法よりも成功率,操作精度,接触堅牢性を向上することを示す。
  論文  参考訳（メタデータ） (2026-06-30T14:24:00Z)
• TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation [46.82050380051203]
  接触に富んだ操作では、ロボットは物理的な動的接触遷移や複雑な表面ジオメトリを継続的に制御し、制御する必要がある。 近年の模倣学習手法は触覚や力のフィードバックを取り入れて接触認識制御を改善するが、大域的な力や局所的な触覚の非対称的な役割をモデル化することは滅多にない。 リアルタイム操作のための軽量な力量予測フレームワークであるTacForeSightを提案する。
  論文  参考訳（メタデータ） (2026-06-09T17:59:03Z)
• 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)
• Contact-Grounded Policy: Dexterous Visuotactile Policy with Generative Contact Grounding [5.936373185672394]
  Contact-Grounded Policy (CGP) は、実際のロボット状態と触覚フィードバックの複合軌跡を予測することで、多点接触を根拠とするビゾタクティルポリシーである。 CGPは, (i) 圧縮潜在空間における将来のロボットの状態と触覚フィードバックを予測する条件拡散モデル, (ii) 学習された接触一貫性マッピングの2つのコンポーネントから構成される。 指先触覚センサDgit360を用いた4本指のAllegro V5手と,高密度全手触覚アレイを用いた5本指のTesollo DG-5F手を用いてCGPを評価した。
  論文  参考訳（メタデータ） (2026-03-05T21:22:49Z)
• 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)
• 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。