論文の概要: Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers
- arxiv url: http://arxiv.org/abs/2607.14578v1
- Date: Thu, 16 Jul 2026 05:16:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.996675
- Title: Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers
- Title（参考訳）: インプシット・フォースを超えて:トランスフォーマーによるアクション・チャンキングにおける明示的な力-トルクプロキシの評価
- Abstract要約: 変圧器を用いたアクションチャンキング (ACT) は, きめ細かい操作において高い性能を示した。
多くのデプロイメントでは、リーダとフォロワの遠隔操作を通じてデモを収集する。
本稿では,ACTの見かけの力覚は,この隠れた相互作用キューに依存するかを検討する。
- 参考スコア（独自算出の注目度）: 27.33711271960601
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contact-rich manipulation requires policies to infer interaction state from signals that are often weakly observable through vision and kinematics alone. Action Chunking with Transformers (ACT) has shown strong performance in fine-grained manipulation, but many deployments collect demonstrations through leader-follower teleoperation, where tracking error between commanded leader motion and executed follower motion implicitly encodes contact, resistance, and constraint violation. This paper examines whether ACT's apparent force-awareness depends on this hidden interaction cue. We introduce an observation-centric ACT variant that predicts future follower joint states instead of leader commands, thereby removing the teleoperation-induced discrepancy signal while preserving the rest of the learning pipeline. We then evaluate whether simple joint-torque proxies, derived from onboard motor current or joint effort, can recover contact-aware behavior without external force/torque sensors. Across four real-world tasks spanning surface following, insertion, stiffness discrimination, and force-based stopping, removing the implicit cue leads to severe failures in force-critical phases. In contrast, torque-augmented policies recover robust contact behavior and improve the base ACT policy. These results demonstrate that, on real hardware, the implicit teleoperation cue is a recoverable source of force-awareness, where torque signals are available, a simple proxy matches, surpasses, or further enhances it.
- Abstract（参考訳）: コンタクトリッチな操作は、視覚と運動学だけで、しばしば弱い観測が可能な信号から相互作用状態を推測するポリシーを必要とする。
トランスフォーマーによるアクションチャンキング(ACT)は、きめ細かな操作において強力なパフォーマンスを示しているが、多くのデプロイメントでは、指示されたリーダ動作と実行されたフォロワー動作の間のエラーを暗黙的にエンコードし、接触、抵抗、制約違反を検知する、リーダ-フォロワー遠隔操作を通じてデモを集めている。
本稿では,ACTの見かけの力覚は,この隠れた相互作用キューに依存するかを検討する。
本稿では,学習パイプラインの残りの部分を保存しながら,遠隔操作によって引き起こされる不一致信号を取り除き,リーダ命令の代わりに将来の追従結合状態を予測するための観測中心のACT変種を提案する。
次に, 簡易な関節トルクプロキシが外力・トルクセンサを使わずに接触覚醒動作を回復できるかどうかを評価する。
表面の挿入、硬さの識別、力に基づく停止、暗黙のキューの除去といった4つの現実世界のタスクは、力臨界相の深刻な失敗に繋がる。
対照的に、トルク増強ポリシは、堅牢な接触挙動を回復し、ベースACTポリシーを改善する。
これらの結果は、実際のハードウェアでは、暗黙の遠隔操作キューは、トルク信号が利用可能であり、単純なプロキシが一致し、それを上回るか、さらに強化される、力覚の回復可能なソースであることを示している。
関連論文リスト
- Force-Aware Reinforcement Learning with Hybrid Sensorless Force Estimation for Wheeled-Legged Loco-Manipulation [14.501012360823886]
力制御されたロコ操作は、移動と腕の動きを協調する全身ポリシーを必要とする。
本報告では,車輪付きレッグ式ロコマニピュレーションのためのハイブリッドセンサレス力推定を用いた力覚強化学習手法を提案する。
論文 参考訳（メタデータ） (2026-09-12T07:46:53Z) - Current as Touch: Proprioceptive Contact Feedback for Compliant Dexterous Manipulation [21.695801136739558]
本稿では,モータ電流と関節状態から接触認識コンプライアンスの手がかりを学習するプロプライエセプション駆動型フレームワークを提案する。
本手法は,標準PDコントローラの適合基準位置を予測する。
実験では、安定した整合性把握、より安全で効率的な遠隔操作、および外部触覚や力センサーを使わずに下流政策学習の改善が示されている。
論文 参考訳（メタデータ） (2026-07-03T17:59:50Z) - Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。
これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。
本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
論文 参考訳（メタデータ） (2026-06-29T08:20:18Z) - Transferring Contact, Not Just Motion: Compliant Grasping Across Dexterous Hands [0.01268579273097071]
悪質な把握は接触調節に依存し、運動のみに依存しない。
既存のクロス・エボディメント・デキスタラス・ポリシーは、リターゲティングされた手の動きや潜伏動作を通じて動きを統一するが、力フィードバックは各手の感覚と運動に結びついている。
本研究は異種手間における接触認識操作のためのクロス・エボディメント力配置インタフェースを導入する。
論文 参考訳（メタデータ） (2026-06-14T00:01:36Z) - Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。
物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。
我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
論文 参考訳（メタデータ） (2026-05-27T17:59:02Z) - ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。
ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。
また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
論文 参考訳（メタデータ） (2026-05-11T13:27:00Z) - Mind the Gap: Learning Implicit Impedance in Visuomotor Policies via Intent-Execution Mismatch [7.078279704479455]
本稿では,学習目標を「インテント・クローン(マスター・コマンド)」にシフトさせるデュアルステート・コンディショニング・フレームワークを提案する。
マスター意図を予測することによって、我々の政策は「仮想平衡点」を生成することを学び、暗黙のインピーダンス制御を効果的に実現した。
これは、低コストハードウェアのための最小限の動作クローニングフレームワークを示し、明示的な力センシングに頼ることなく、力知覚と動的補償を可能にする。
論文 参考訳（メタデータ） (2026-02-09T15:18:12Z) - 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) - ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning [52.86018040861575]
本稿では,単一のネットワークに視覚計画と反応力制御を統合した,一貫したエンドツーエンドの視覚力拡散政策を提案する。
本稿では,非同期な視覚と力のトークンを同時に処理するための因果的注意力を利用した構造的スローフォールストラーニングを紹介する。
コンタクトリッチタスクの実験では、ImplicitRDPは視覚のみのベースラインと階層的なベースラインの両方で著しく優れていた。
論文 参考訳（メタデータ） (2025-12-11T18:59:46Z) - Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation [58.95799126311524]
人間は視覚と触覚を使って、外的変化に対する迅速な応答や接触力の適応制御のような非常に反応性の高い能力で、コンタクトリッチなタスクを達成できる。
既存の視覚模倣学習アプローチは、複雑な振る舞いをモデル化するためにアクションチャンキングに依存している。
本稿では,Augmented Realityを通じてリアルタイム触覚フィードバックを提供する,低コスト遠隔操作システムであるTactARを紹介する。
論文 参考訳（メタデータ） (2025-03-04T18:58:21Z)
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。