論文の概要: SensorPerch: Sense Wherever and Whenever it Matters
- arxiv url: http://arxiv.org/abs/2607.10682v1
- Date: Sun, 12 Jul 2026 10:06:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.504383
- Title: SensorPerch: Sense Wherever and Whenever it Matters
- Title（参考訳）: SensorPerch:どんな場所でも、いつどんな場所でも、それが重要か
- Abstract要約: SensorPerchは、ロボットの体と環境の両方から感覚を分離する、アクティブな知覚の新たな実現法である。
SensorPerchは、軽量でワイヤレスで、再構成可能なセンサープラットフォームで、多様な表面をパーチできる。
i) ロボットの現在位置を超えた永続的な物体状態検出が可能で、ロボットが近くにいない場合でもイベント検出が成功し、かつ、(ii) ポリシー結合型認識では、各種のポリシー固有の視点をロボットが構築できる。
- 参考スコア（独自算出の注目度）: 2.1117452999989315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing robotic perception is constrained by sensors that are either robot-mounted or permanently fixed in the environment, locking perception to a limited set of viewpoints. Yet as robots perform increasingly diverse tasks, the most informative viewpoint shifts from one task to the next-often somewhere onboard sensor and static infrastructure can not readily satisfy. To address this gap, we propose SensorPerch, a novel realization of active perception that decouples sensing from both the robot embodiment and the environment by treating sensors as independent physical entities that the robot can autonomously detach and re-attach within the environment. SensorPerch presents one realization of this paradigm: a lightweight, wireless, reconfigurable sensor platform that can perch on diverse surfaces, paired with a viewpoint-selection framework that determines task-optimal sensor placements. Together, these enable robots to construct task-relevant viewpoints on demand, independent of the robot's current position and available fixed infrastructure. We demonstrate the paradigm on two task classes: (i) object-coupled perception, where SensorPerch enables persistent object-state detection beyond the robot's current position, achieving successful event detection even when the robot is not nearby; and (ii) policy-coupled perception, where SensorPerch allows robots to construct diverse, policy-specific viewpoints for various policies, achieving success rates comparable to those obtained using oracle viewpoints.
- Abstract（参考訳）: 既存のロボット知覚は、ロボットに装着されたり、永久に固定されたセンサーによって制約され、知覚を限られた視点にロックする。
しかし、ロボットがますます多様なタスクをこなすにつれ、最も有益な視点は、あるタスクから、あるタスクから次のタスクへのシフトであり、静的なインフラは容易には満足できない。
このギャップに対処するために,センサを独立的な物理的実体として扱うことにより,ロボットの身体と環境の両方から感覚を分離する,能動的知覚の新たな実現法であるSensorPerchを提案する。
SensorPerchは、軽量でワイヤレスで再構成可能なセンサープラットフォームで、さまざまな表面をパーチできる。
これらを組み合わせることで、ロボットの現在の位置と利用可能な固定インフラから独立して、要求に応じたタスク関連視点を構築することができる。
2つのタスククラスでパラダイムを実証する。
i)SensorPerchは、ロボットの現在位置を超える永続的な物体状態検出を可能にし、ロボットが近くにいない場合でもイベント検出を成功させる。
(II)SensorPerchは,各種ポリシーに対する多様なポリシー固有の視点をロボットが構築し,オラクル視点を用いた成功率に匹敵する成功率を達成する。
関連論文リスト
- Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。
近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。
これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
論文 参考訳（メタデータ） (2026-08-02T14:22:01Z) - Requirement-Driven Design of Whole-Body Social Tactile Sensing via Virtual Human-Robot Interaction [5.7755882493185915]
本稿では, 相互作用データから直接, 空間分解能と配置の感知要求を導出する要求駆動型フレームワークを提案する。
複数の社会的シナリオにまたがる高精細な全身接触分布を収集し,9つの反復的な接触ジェスチャーを同定した。
1つのロボットプラットフォームで実証されているが、他のロボット形態に転送できるように設計されている。
論文 参考訳（メタデータ） (2026-07-13T15:23:45Z) - Initiation of Interaction Detection Framework using a Nonverbal Cue for Human-Robot Interaction [15.228284553815593]
本稿では,音声と視覚センサの融合に基づくインタラクション(IoI)検出フレームワークについて述べる。
提案するフレームワークでは、ロボットは独自のオーディオと視覚センサーを備えており、人間の検出と追跡を安定させるために外部視覚センサーを使用することができる。
論文 参考訳（メタデータ） (2026-05-11T07:07:01Z) - Mobile Robot Localization Using a Novel Whisker-Like Sensor [2.4440761580878823]
本稿では,単一のウィスカセンサを用いて,既知の平面環境下での接触点とロボット位置を推定するための枠組みを提案する。
その結果,7mm以下の誤差で正確な接触推定と位置推定が得られた。
論文 参考訳（メタデータ） (2026-01-09T08:11:15Z) - The RoboSense Challenge: Sense Anything, Navigate Anywhere, Adapt Across Platforms [244.78980521248445]
RoboSense 2025 Challengeは、さまざまな知覚シナリオにわたるロボット知覚における堅牢性と適応性を向上するために設計された。
言語による意思決定、社会的に適合したナビゲーション、センサー構成の一般化、クロスプラットフォームとクロスプラットフォームの対応、クロスプラットフォームの3D知覚にまたがる5つの補完的な研究トラックを統一する。
この挑戦は16カ国の85の機関から143のチームが参加し、コミュニティの幅広い関与を反映した。
論文 参考訳（メタデータ） (2026-01-08T15:16:18Z) - Multimodal Anomaly Detection based on Deep Auto-Encoder for Object Slip
Perception of Mobile Manipulation Robots [22.63980025871784]
提案フレームワークは,RGBや深度カメラ,マイク,力トルクセンサなど,さまざまなロボットセンサから収集した異種データストリームを統合する。
統合されたデータは、ディープオートエンコーダを訓練して、通常の状態を示す多感覚データの潜在表現を構築するために使用される。
次に、トレーニングされたエンコーダの潜伏値と再構成された入力データの潜伏値との差によって測定された誤差スコアによって異常を識別することができる。
論文 参考訳（メタデータ） (2024-03-06T09:15:53Z) - 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) - See, Hear, and Feel: Smart Sensory Fusion for Robotic Manipulation [49.925499720323806]
視覚的、聴覚的、触覚的知覚が、ロボットが複雑な操作タスクを解くのにどのように役立つかを研究する。
私たちは、カメラで見たり、コンタクトマイクで聞いたり、視覚ベースの触覚センサーで感じるロボットシステムを構築しました。
論文 参考訳（メタデータ） (2022-12-07T18:55:53Z) - See What the Robot Can't See: Learning Cooperative Perception for Visual
Navigation [11.943412856714154]
センサをトレーニングして、関連する視点情報を移動ロボットにエンコードし、伝達する。
我々は、全てのセンサーが目標への最短経路に沿って方向を予測できるようにするという課題を克服する。
その結果,センサとロボットの通信により,SPLの最大2.0倍の改善が達成された。
論文 参考訳（メタデータ） (2022-08-01T11:37:01Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳（メタデータ） (2021-03-16T13:50:24Z)
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。