論文の概要: Relaxation-Aware Multimodal Sensing of Soft Gripper Driven by Structure-Perception-Learning
- arxiv url: http://arxiv.org/abs/2608.26622v1
- Date: Thu, 27 Aug 2026 05:19:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.246605
- Title: Relaxation-Aware Multimodal Sensing of Soft Gripper Driven by Structure-Perception-Learning
- Title（参考訳）: 構造知覚学習によるソフトグリッパーの緩和型マルチモーダルセンシング
- Abstract要約: 軟質高分子の固有粘弾性は, 保持時の応力緩和と保持力の連続減衰を引き起こす。
本稿では,人間の把握にインスパイアされた構造認識学習フレームワークを提案する。
我々は,車載型視覚と赤外線サーモグラフィを用いて,変形と温度場をリアルタイムで追跡する可変剛性軟グリップを開発した。
- 参考スコア（独自算出の注目度）: 4.3068545796037325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Achieving stable, sustained grasping with soft robotic hands remains a fundamental challenge. Compliance enables safe and adaptive contact, yet the intrinsic viscoelasticity of soft polymers leads to stress relaxation and a continuous decay of grasping force during holding. Inspired by human grasping, which combines phase-dependent stiffness regulation with continuous sensing and feedback, this paper presents an integrated structure--perception--learning framework. We develop a variable-stiffness soft gripper that uses onboard vision and infrared thermography to track deformation and the temperature field in real time, preserving continuous tracking of the interaction state. To mitigate relaxation-induced force decay, we propose a temperature-coupled viscoelastic force representation, together with a physics-informed learning model, to reconstruct the force trend and provide explicit compensation during holding. Experiments show that, in a 280s force-controlled grasp-and-hold task, the proposed method maintains the desired force with a mean absolute error of 0.066N, outperforming fixed-aperture and instantaneous-only baselines by 80% and 95%, respectively. Overall, the results support a mechanism--AI co-design view: mechanisms shape feasible interactions, while learning compensates remaining uncertainty in viscoelastic dynamics, together enabling stable, sustained grasping.
- Abstract（参考訳）: ソフトロボットによる安定的で持続的な握りの獲得は、依然として根本的な課題である。
適合性は安全かつ適応的な接触を可能にするが、軟質高分子の固有粘弾性は保持時の応力緩和と保持力の連続的減衰をもたらす。
本稿では, 位相依存型剛性制御と連続センシングとフィードバックを組み合わせた人間の把握に着想を得て, 統合型構造認識学習フレームワークを提案する。
本研究は、オンボード型視覚と赤外線サーモグラフィーを用いて、相互作用状態の連続的追跡を保ちながら、変形と温度場をリアルタイムで追跡する可変剛性軟グリップの開発である。
緩和誘起力減衰を緩和するため, 温度結合型粘弾性力表現と物理インフォームド学習モデルを用いて, 力の傾向を再構築し, 保持時の明示的な補償を与える。
実験により,280年代の力制御型握力保持作業において,提案手法は平均絶対誤差 0.066N で所望の力を維持し,固定開口と瞬時のみのベースラインをそれぞれ80%,95% 向上させることを示した。
学習は、粘弾性力学における不確実性を補償し、安定かつ持続的な把握を可能にする。
関連論文リスト
- AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。
既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。
本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-06T16:29:11Z) - Active Stiffness Control of a Supportive Continuum Robot [0.764671395172401]
補助連続ロボット(SCR)は、機械的に支持アームと結合することにより、操作連続ロボットの荷重保持能力を高める。
負荷応答を規制し、位置決め精度を維持するためには、アクティブ剛性制御が必要である。
本稿では、腱駆動型SCRのためのアクティブなタスク空間剛性制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-04T13:51:05Z) - SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics [49.771521708359955]
SurgVistaは、空間的相互作用の不整合と時間的忠実性の崩壊を緩和する外科的世界モデルである。
それは、視覚的品質、時間的一貫性、相互作用の忠実性にまたがる最先端の手法を一貫して上回ります。
論文 参考訳（メタデータ） (2026-06-18T07:47:28Z) - TIDE: Asymmetric Neural Circuits for Stabilized Temporal Inhibitory-Excitatory Dynamics [51.37317469455798]
最近のContinuous Thought Machineアーキテクチャは、ニューラルダイナミクスを介して外部入力から内部計算を分離している。
非対称な興奮抑制(E-I)ネットワークを用いたニューラルダイナミクスのモデル化を提案する。
本稿では、神経力学を安定化させて内部表現を計算する、神経に触発されたアーキテクチャであるTIDE(Temporal Inhibitory-Excitatory Dynamic Engine)を紹介する。
論文 参考訳（メタデータ） (2026-05-19T05:59:13Z) - 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) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Probe-to-Grasp Manipulation Using Self-Sensing Pneumatic Variable-Stiffness Joints [9.920023397258435]
本稿では,物体の相対剛性を推定するためのプローブ・トゥ・グラフ操作フレームワークを提案する。
自覚式空気圧可変剛性ジョイントを備えた受動ソフトリジッド2指ハイブリッドグリップを用いた。
本研究では, 剛性評価実験による自己知覚モデルの有効性を検証し, 実生活応用における剛性認識型探索・解析を実証する。
論文 参考訳（メタデータ） (2026-03-29T18:43:19Z) - PHANTOM Hand [12.871356369910323]
腱駆動不動手は適応的握力では優れるが、運動的不予測性や非作動力伝達に悩まされることが多い。
PHANTOM Hand (Hybrid Precision-Augmented Compliance) は6つのアクチュエータと15自由度(DoF)を備えたモジュラー・ヒューマンスケールシステムである。
本稿では,正確な解析的形状と頑健な整合性把握のギャップを埋める統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-03-24T12:52:18Z) - STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching [2.5845893156827158]
本研究では、保守的な剛体力学を不確実かつ効果的に非保守的な相互作用効果から分離する動的学習フレームワークSTRIDEを提案する。
本研究は,ペンデュラム,Unitree Go1ruped,Unitree G1 humanoidなど複雑度の高いシステム上でのSTRIDEの評価である。
その結果, 長軸予測誤差が20%減少し, 接触力予測誤差が30%減少した。
論文 参考訳（メタデータ） (2026-03-09T15:15:21Z) - Grasp to Act: Dexterous Grasping for Tool Use in Dynamic Settings [5.05447792208957]
本稿では,物理学に基づくグリップ最適化と強化学習に基づくグリップ適応を組み合わせたハイブリッドシステムGrasp-to-Actを提案する。
提案手法では,人間の実演から得られる頑健なグリップ構成を合成し,手動滑走を防止するために,手動補正を残留的に発行する適応制御器を用いる。
16-DoFデキスタラスハンドを用いたシミュレーションおよび実世界のハードウェア試行において,本手法は手動の翻訳および回転のスリップを低減し,タスク完了率が最も高い。
論文 参考訳（メタデータ） (2026-02-24T01:53:39Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z)
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。