論文の概要: Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation
- arxiv url: http://arxiv.org/abs/2608.15490v1
- Date: Sun, 16 Aug 2026 02:39:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.320431
- Title: Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation
- Title（参考訳）: ロボットのための視覚に基づく触覚情報:センシング,学習,身体操作
- Abstract要約: 視覚ベースの触覚センサ(VBTS)は、接触によるソフトインターフェースの変形を即興に変換することで、強力な代替手段を提供する。
本稿では,VBTSパイプライン全体を調査し,センサハードウェア,学習方法,シミュレーション,データセットを統合型センシング・アンド・ラーニングシステムとして扱う。
- 参考スコア（独自算出の注目度）: 45.09609338527887
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tactile sensing is essential for robots in contact-rich tasks, yet many tactile sensors still provide sparse, low-dimensional signals that do not capture sufficient information for complex robotic perception and interaction. Vision-based tactile sensors (VBTSs) offer a powerful alternative by con-verting contact-induced deformation of a soft interface into im-ages. The image-based formulation gives VBTSs high-resolution, information-rich tactile observations that enable complex robotic tasks. This review surveys the full VBTS pipeline and treats sensing hardware, learning methods, simulation, and datasets as an integrated sensing-and-learning system. We 1) organize representative VBTSs into a hardware taxonomy structured by deformable elastomer design, sensor size and shape, and optical system design to guide future sensor development; 2) present a hierarchical view of learning-based tactile intelligence from low-level signal understanding to task-level policies and foundation models; and 3) examine simulation platforms and tactile datasets as a scaling layer, together with sim-to-real transfer and cross-sensor adaptation for training, benchmarking, and deployment. Finally, we identify open challenges and future directions for VBTSs in robotics. By providing a holistic view of how hardware, AI architectures, simulation, and datasets interact, this review aims to advance tactile intelligence for contact-rich robotic tasks.
- Abstract（参考訳）: しかし、多くの触覚センサーは、複雑なロボットの知覚と相互作用のために十分な情報を取得できない、スパースで低次元の信号を提供する。
視覚ベースの触覚センサ(VBTS)は、接触によるソフトインターフェースの変形を即興に変換することで、強力な代替手段を提供する。
画像に基づく定式化により、VBTSは複雑なロボット作業を可能にする高解像度で情報豊富な触覚観察を行うことができる。
本稿では,VBTSパイプライン全体を調査し,センサハードウェア,学習方法,シミュレーション,データセットを統合型センシング・アンド・ラーニングシステムとして扱う。
我が家
1) 代表VBTSを、変形可能なエラストマー設計、センササイズ及び形状、および将来のセンサ開発を導く光学系設計によって構成されたハードウェア分類に編成する。
2)低レベル信号理解からタスクレベル政策・基礎モデルへの学習に基づく触覚知の階層的視点を示す。
3) シミュレーションプラットフォームと触覚データセットをスケーリング層として,トレーニング,ベンチマーク,デプロイメントのためのsim-to-realトランスファーおよびクロスセンサ適応とともに検討する。
最後に,ロボット工学におけるVBTSの課題と今後の方向性を明らかにする。
このレビューは、ハードウェア、AIアーキテクチャ、シミュレーション、データセットの相互作用の全体像を提供することで、接触に富むロボットタスクのための触覚知性を向上することを目的としている。
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) - VQ-Touch: A Data-Efficient Tactile Generation Framework Across Sensors and Scenarios [7.9567869558684094]
VQ-Touchは、クロスセンサーとマルチシナリオアプリケーションの両方をサポートする触覚生成フレームワークである。
データから複雑な変形やテクスチャの特徴を効率的に抽出するために,DM-VQGANを提案する。
本稿では,画像やラベルなどのマルチモーダル生成タスクをサポートする統一された条件付けインタフェースを備えた離散拡散デコーダを提案する。
論文 参考訳（メタデータ） (2026-07-16T08:53:41Z) - AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。
本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
論文 参考訳（メタデータ） (2026-06-08T17:38:57Z) - Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。
本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。
スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
論文 参考訳（メタデータ） (2026-02-14T16:05:08Z) - UniVTAC: A Unified Simulation Platform for Visuo-Tactile Manipulation Data Generation, Learning, and Benchmarking [47.900334665380115]
シミュレーションベースのビジュオ触覚データプラットフォームUniVTACを提案する。
大規模なシミュレーション合成データに基づいて訓練されたビジュオ触覚エンコーダであるUniVTACエンコーダを紹介する。
代表的な8つのビジュオ触覚操作タスクからなるUniVTACベンチマークを提案する。
論文 参考訳（メタデータ） (2026-02-10T18:57:00Z) - Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。
並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供する。
これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
論文 参考訳（メタデータ） (2025-04-17T12:57:11Z) - Tacchi 2.0: A Low Computational Cost and Comprehensive Dynamic Contact Simulator for Vision-based Tactile Sensors [24.17644617805162]
視覚ベースの触覚センサの耐久性は、触覚情報取得のコストを大幅に高める。
計算コストの低い視覚ベースの触覚シミュレータTacchiを紹介する。
Tacchi 2.0は、触覚画像、マークされたモーション画像、そして押したり、滑ったり、回転したりといった異なる動作状態下での関節画像をシミュレートすることができる。
論文 参考訳（メタデータ） (2025-03-12T06:34:12Z) - AnyTouch: Learning Unified Static-Dynamic Representation across Multiple Visuo-tactile Sensors [11.506370451126378]
Visuo-Tactileセンサーは、人間の触覚をエミュレートし、ロボットが物体を理解して操作できるようにする。
そこで本研究では,4種類のビジュオ触覚センサを用いたマルチモーダル触覚マルチセンサデータセットであるTacQuadを紹介する。
マルチレベル構造を持つ静的動的マルチセンサ表現学習フレームワークであるAnyTouchを提案する。
論文 参考訳（メタデータ） (2025-02-15T08:33:25Z) - 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。