論文の概要: BayesContact: Uncertain Pose Estimation via Visuo-Tactile Proposals and Simulation-based Inference

• arxiv url: http://arxiv.org/abs/2607.16123v1
• Date: Fri, 17 Jul 2026 17:00:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.912768
• Title: BayesContact: Uncertain Pose Estimation via Visuo-Tactile Proposals and Simulation-based Inference
• Title（参考訳）: BayesContact: Visuo-Tactileの提案とシミュレーションに基づく推論による不確かさの推定
• Abstract要約: BayesContactはペグ・イン・ホール挿入におけるビジュオ・タクティル・ポーズ推定のためのフレームワークである。 物体のポーズに対する粒子の信念を維持し、力/トルクに由来する接触証拠と深度観測を融合させる。 視力のみの推測よりも、ポーズの可観測性と挿入の成功を30%向上させる。
• 参考スコア（独自算出の注目度）: 16.840783588655523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contact-rich manipulation requires pose estimates that are often more accurate than what depth-only sensing provides. Existing methods, relying on vision and contact, employ costly offline training procedures that need to be retrained for new environments and geometries. We propose BayesContact, a Simulation-Based Inference framework for visuo-tactile pose estimation in peg-in-hole insertion. BayesContact maintains a particle belief over object pose and fuses depth observations with force/torque-derived contact evidence. We employ simulation based forward models to approximate these observation likelihoods. For each pose hypothesis, a renderer predicts depth measurements and a physics simulator predicts contact outcomes under guarded probing actions; both are scored against real observations to update the belief. The resulting multimodal belief also enables information-gain-based probing for active disambiguation. Across simulated geometries and real-robot experiments, BayesContact improves pose observability and insertion success over vision-only inference by 30%
• Abstract（参考訳）: コンタクトリッチな操作は、深度のみのセンシングが提供するものよりもしばしば正確なポーズ推定を必要とする。 既存の手法は、視覚と接触に依存し、新しい環境や測地のために再訓練する必要がある、高価なオフライントレーニング手順を採用している。 孔内挿入におけるビジュオ触覚ポーズ推定のためのシミュレーションベース推論フレームワークBayesContactを提案する。 BayesContactは、物体のポーズに対する粒子の信念を維持し、力/トルクに由来する接触証拠と深度観測を融合させる。 我々はこれらの観測確率を近似するためにシミュレーションに基づく前方モデルを用いる。 それぞれのポーズ仮説について、レンダラーは深さの測定を予測し、物理シミュレータはガードされた探索行動の下で接触結果を予測する。 結果として生じるマルチモーダルな信念は、アクティブな曖昧さに対する情報ゲインに基づく探索を可能にする。 シミュレーションされた測地と実ロボット実験を通して、BayesContactはポーズ可観測性を改善し、視覚のみの推論よりも挿入成功を30%向上させる

関連論文リスト

• Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
  我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。 このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。 オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
  論文  参考訳（メタデータ） (2026-01-19T17:36:28Z)
• Simultaneous Extrinsic Contact and In-Hand Pose Estimation via Distributed Tactile Sensing [20.162368645967153]
  本研究では,センサからの局所的な観測と接触の物理的制約をマッチングする手法を提案する。 我々は問題を因子グラフとして定式化し、効率的な推定を可能にした。 実験では,本手法が既存の幾何学的および接触インフォームド推定パイプラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-29T20:45:38Z)
• Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
  既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。 人間の外見は、これらの障害に対処するための簡単な手がかりとなる。 本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T12:19:26Z)
• ViTaSCOPE: Visuo-tactile Implicit Representation for In-hand Pose and Extrinsic Contact Estimation [2.140861702387444]
  豪華な接触リッチオブジェクト操作は、オブジェクトのポーズと外部の接触位置の両方を要求する。 ViTaSCOPE: VisuoTac 同時接触と物体推定について述べる。
  論文  参考訳（メタデータ） (2025-06-13T21:35:58Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• Inverse Dynamics Pretraining Learns Good Representations for Multitask Imitation [66.86987509942607]
  このようなパラダイムを模倣学習でどのように行うべきかを評価する。 本稿では,事前学習コーパスがマルチタスクのデモンストレーションから成り立つ環境について考察する。 逆動力学モデリングはこの設定に適していると主張する。
  論文  参考訳（メタデータ） (2023-05-26T14:40:46Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Physically Plausible Pose Refinement using Fully Differentiable Forces [68.8204255655161]
  対象物が経験する力を学習することでポーズ推定を精緻化するエンドツーエンドの差別化モデルを提案する。 学習されたネット力と有限位置差に基づくネット力の推定とをマッチングすることにより、このモデルは物体の動きを正確に記述する力を見つけることができる。 rgbや深度画像のデータを使わずに、このモデルがポーズの修正に成功し、接点マップが地面の真実に合致することを示す。
  論文  参考訳（メタデータ） (2021-05-17T23:33:04Z)
• Tactile Object Pose Estimation from the First Touch with Geometric Contact Rendering [19.69677059281393]
  本稿では, 既知物体に対する第1タッチからの触覚ポーズ推定手法を提案する。 実際の触覚観測から接触形状への物体認識マップを作成する。 既知の幾何を持つ新しい物体に対して、シミュレーションで完全に調整された知覚モデルを学ぶ。
  論文  参考訳（メタデータ） (2020-12-09T18:00:35Z)

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。