Fugu-MT 論文翻訳(概要): Near-sensor Computing for Rapid Visuotactile Perception

論文の概要: Near-sensor Computing for Rapid Visuotactile Perception

arxiv url: http://arxiv.org/abs/2608.05725v1
Date: Thu, 06 Aug 2026 08:08:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-07 17:43:06.710812
Title: Near-sensor Computing for Rapid Visuotactile Perception
Title（参考訳）: 迅速ビゾタクシー知覚のための近接センサ・コンピューティング
Abstract要約: 我々は、完全なストリーミングハードウェアパイプラインとしてスペクトルポアソンソルバを含むニアセンサー・コンピューティング・フレームワークを実装した。パイプラインは、第1の入力画素を受信した後、それぞれ128x128フレーム35,107サイクルの第1深度値が0.211msの固定遅延に対応する。これらの再構成に基づくオンチップ決定は、同じアクチュエータを使用した等価なホストベースのループに対して169.9 +/- 27.8 msに対して、ロボットの保護反射ループを28.3 +/- 4.9 msで閉じる。
参考スコア（独自算出の注目度）: 7.136744454650649
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Visuotactile sensors reconstruct dense contact geometry from measured surface gradients, but host-based processing increases power consumption and introduces data-transfer delays and variable scheduling latency, limiting the sensing and response speed of robotic systems. To address these limitations, we implement a near-sensor computing framework that includes a spectral Poisson solver as a fully streaming hardware pipeline. The computational core logic has an estimated power consumption of 347 mW and achieves high throughput without data-dependent branching or iterative convergence, thereby providing deterministic latency. Operating at 166 MHz, the pipeline produces the first depth value of each 128x128 frame 35,107 cycles after receiving the first input pixel, corresponding to a fixed latency of 0.211 ms. Across 15 contact geometries, the reconstructed depths differ from a double-precision reference by 0.17 % of the peak contact depth. On-chip decisions based on these reconstructions close a robot protective reflex loop in 28.3 +/- 4.9 ms, compared with 169.9 +/- 27.8 ms for an equivalent host-based loop using the same actuator. These results demonstrate that near-sensor reconstruction can provide accurate, energy-efficient, and deterministic tactile geometry on timescales suitable for rapid robotic contact responses.
Abstract（参考訳）: Visuotactile Sensorは、測定された表面勾配から密接な接触形状を再構築するが、ホストベースの処理により消費電力が増加し、データ転送遅延と可変スケジュール遅延が導入され、ロボットシステムのセンシングと応答速度が制限される。これらの制限に対処するために、スペクトルポアソンソルバをフルストリーミングハードウェアパイプラインとして含むニアセンサー・コンピューティング・フレームワークを実装した。計算コアロジックは、推定消費電力が347mWであり、データ依存の分岐や反復収束なしに高いスループットを実現し、決定論的レイテンシを提供する。 166MHzで動作するパイプラインは、第1の入力画素を受信した後、各128x128フレーム35,107サイクルの第一の深さ値を生成する。これらの再構成に基づくオンチップ決定は、同じアクチュエータを使用した等価なホストベースのループに対して169.9 +/- 27.8 msに対して、ロボットの保護反射ループを28.3 +/- 4.9 msで閉じる。これらの結果から, ロボット接触の迅速応答に適した時間スケールで, 高精度, エネルギー効率, 決定論的触覚幾何が得られることが示された。

関連論文リスト

Compute-in-Memory Attention: A Time-Domain Analog Softmax Circuit with RC-Tunable Temperature [0.9492005181707919]
本研究は,GlobalFoundries 22nm完全劣化シリコンオン絶縁体(FDSOI)技術における可変温度アナログソフトマックス回路を提案する。各入力スコアは、共有落下ランプを用いてタイムドメインイベントに変換される。提案アーキテクチャは,傾斜斜面とRC時間定数を通したソフトマックス応答を制御し,プログラム可能な有効温度を実現する。
論文参考訳（メタデータ） (2026-09-02T18:43:19Z)
Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
論文参考訳（メタデータ） (2026-08-25T07:25:27Z)
Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文参考訳（メタデータ） (2026-07-13T14:03:26Z)
OctoSense: Self-Supervised Learning for Multimodal Robot Perception [50.20346079739425]
ステレオカメラとイベントカメラ、LiDAR、サーマルカメラ、慣性測定ユニット、プロプリセプション(車からのCANバスデータ、四足歩行ロボットの関節角度)を備えたオープンソースのセンサプラットフォームであるOctoSenseについて述べる。匿名のOctoSenseデータセットには、59時間の時間同期駆動データが含まれている。このような実世界のデータを用いて,センサの表現,周波数,レイテンシ,ノイズの異なるマルチモーダル自己教師型学習を実演する。
論文参考訳（メタデータ） (2026-06-25T17:30:49Z)
High-Speed, Scalable Sensor Readout for Dexterous Robotic Hands via Shift-Register Multiplexing [7.263691957695453]
有害なロボットハンドは、様々な自由度にわたって高速なマルチモーダルセンシングを必要とする。本稿では,シリアルインパラレルアウト(SIPO)シフトレジスタの原理に基づく,スケーラブルなアナログセンサ読み取りアーキテクチャを提案する。
論文参考訳（メタデータ） (2026-05-02T13:14:28Z)
Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
論文参考訳（メタデータ） (2026-04-16T10:20:05Z)
End-to-End Spatial-Temporal Transformer for Real-time 4D HOI Reconstruction [74.31251139839047]
THOは、ビデオと3Dテンプレートから、人間の動きと調整された物体の動きを前方に予測する、エンドツーエンドの空間-時間変換器である。実験により、THOは1つの4090 GPU上で31.5 FPSの推論速度で動作し、以前の最適化ベースの手法よりも600倍のスピードアップを達成した。
論文参考訳（メタデータ） (2026-03-15T15:21:36Z)
TactiVerse: Generalizing Multi-Point Tactile Sensing in Soft Robotics Using Single-Point Data [0.8921166277011348]
本稿では,空間熱マップ予測タスクとして接触幾何推定を定式化するフレームワークであるTactiVerseを紹介する。我々のアーキテクチャは高精度な単一点センシングを実現しており、平均絶対誤差は0.0589mmである。マルチポイント接触データによるトレーニングデータセットの強化は,センサのマルチポイントセンシング能力を大幅に向上させることを示す。
論文参考訳（メタデータ） (2026-02-23T13:53:14Z)
Event-Based Visual Teach-and-Repeat via Fast Fourier-Domain Cross-Correlation [52.46888249268445]
本稿では,最初のイベントカメラを用いた視覚指導・再生システムを提案する。本研究では,イベントストリームマッチング問題を計算効率の良い空間乗算に変換する周波数領域相互相関フレームワークを開発した。 Prophesee EVK4 HDイベントカメラをAgileX Scout Miniロボットに搭載した実験では、自律走行が成功している。
論文参考訳（メタデータ） (2025-09-21T23:53:31Z)
PLEIADES: Building Temporal Kernels with Orthogonal Polynomials [6.2921559513184695]
本稿では,基本関数から発生する時間的カーネルを含むPLEIA(Lynomial Expansion In Adaptive Distributed Event Systems)というニューラルネットワークのクラスを紹介する。低レイテンシでオンライン分類と検出を行うために、これらのネットワークをイベントベースのデータで相互接続することに重点を置いている。
論文参考訳（メタデータ） (2024-05-20T17:06:24Z)
Fast Motion Understanding with Spatiotemporal Neural Networks and Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文参考訳（メタデータ） (2020-11-18T17:55:07Z)

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。