論文の概要: Temporal Tactile Encoding and Compliance for Intent-Aware Robot-to-Human Bimanual Handover

• arxiv url: http://arxiv.org/abs/2609.05282v1
• Date: Fri, 04 Sep 2026 15:34:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.106143
• Title: Temporal Tactile Encoding and Compliance for Intent-Aware Robot-to-Human Bimanual Handover
• Title（参考訳）: ロボット対人間両用ハンドオーバにおける時間的触覚符号化とコンプライアンス
• Authors: Pasquale Marra, Stefano Berti, Gabriele Mario Caddeo, Lorenzo Natale,
• Abstract要約: 信頼性の高いロボットと人間のハンドオーバは、人間がオブジェクトを受け取る準備ができているときにロボットを推論し、安全に、快適に、そして適切なタイミングで解放することを要求する。 視覚的な観察だけでは、偶然の接触、弱いつかみ、間違った方向の力、過渡的な相互作用から意図を明確化できないため、これは難しい。 我々のアプローチは、オブジェクト転送時の相互作用力を減少させるコンプライアンスコントローラを備えたVLAモデルを結合する。 本研究は,触覚フィードバックのないもの,触覚フィードバックがないもの,コンプライアンス制御のないもの,の2つのベースラインに対する人体実験において,完全なシステムの評価を行った。
• 参考スコア（独自算出の注目度）: 4.0318506932466445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable robot-to-human handover requires the robot to infer when the person is ready to receive the object, and release it safely, comfortably, and at the right time. This is challenging because visual observations alone may not disambiguate clear taking intent from accidental contact, weak grasping, wrong-direction forces, or transient interactions. In this work we treat human-robot handover as an intrinsically multimodal problem. Our approach couples a VLA model with a compliance controller that reduces interaction forces during object transfer. We finetune the VLA model with human demonstrations using RGB observation, temporally encoded tactile feedback and proprioception. We evaluate the complete system in a human-subject study against two baselines: one without tactile feedback and one using tactile feedback without compliance control. We hypothesize that combining compliance and temporal tactile encoding yields the most reliable and comfortable handovers, as compliance facilitates physical interaction while tactile history captures sustained taking intent. Performance is measured through objective metrics and an ad-hoc questionnaire. The results show that the two components provide complementary benefits and substantially outperform the baselines. Code and data will be released upon acceptance.
• Abstract（参考訳）: 信頼性の高いロボットと人間のハンドオーバは、人間がオブジェクトを受け取る準備ができているときにロボットを推論し、安全に、快適に、そして適切なタイミングで解放することを要求する。 視覚的な観察だけでは、偶然の接触、弱いつかみ、間違った方向の力、過渡的な相互作用から意図を明確化できないため、これは難しい。 本研究では,人間ロボットハンドオーバを本質的なマルチモーダル問題として扱う。 我々のアプローチは、オブジェクト転送時の相互作用力を減少させるコンプライアンスコントローラを備えたVLAモデルを結合する。 RGB観察, 触覚フィードバック, プロプレセプションを時間的に符号化し, 人間の実演でVLAモデルを微調整した。 本研究は,触覚フィードバックのないもの,触覚フィードバックがないもの,コンプライアンス制御のないもの,の2つのベースラインに対する人体実験において,完全なシステムの評価を行った。 我々は、コンプライアンスと時間的触覚エンコーディングを組み合わせることで、コンプライアンスが物理的相互作用を促進する一方で、触覚履歴が継続的な取組みを捉えているため、最も信頼性が高く快適なハンドオーバが得られると仮定する。 パフォーマンスは客観的な指標とアドホックなアンケートによって測定される。 その結果、2つのコンポーネントが相補的な利点をもたらし、ベースラインを大幅に上回ることがわかった。 コードとデータは受理時にリリースされる。

関連論文リスト

• Force/Torque-Based Kinematic Adaptation for Robotic Manipulation Tasks [0.0]
  接触に富んだロボット操作は、ロボットの関節とそれが知覚するタスクの間の運動的関係の正確なモデルを必要とする。 本稿では,関節角度センサと手首に装着した力/トルクセンサのみを用いて,その関係をオンラインに推定する適応型手法を開発した。
  論文  参考訳（メタデータ） (2026-08-21T19:51:53Z)
• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• UniTacVLA: Unified Tactile Understanding and Prediction in Vision Language Action Models [32.87879913150572]
  コンタクトリッチな操作のための統合された触覚学習フレームワークを提案する。 提案手法は,既存手法よりも成功率,操作精度,接触堅牢性を向上することを示す。
  論文  参考訳（メタデータ） (2026-06-30T14:24:00Z)
• NoContactNoWorries: Estimating Contact through Vision and Proprioception for In-Hand Dexterous Manipulation [0.7378853859331618]
  NoContactNoWorriesは、RGB-Dビジョンとロボットの受容とを融合してバイナリ接触状態を推測するフレームワークである。 提案手法は, 物体の逆方向を推定するために, 下流の強化学習エージェントをサポートすることを示す。
  論文  参考訳（メタデータ） (2026-06-23T11:36:46Z)
• TactAlign: Human-to-Robot Policy Transfer via Tactile Alignment [32.07730277045068]
  既存のH2R(Human-to-robot)アプローチでは、タッチが同一の触覚センサーを前提としており、ペアのデータを必要とし、人間のデモンストレーターとロボットの間の具体的ギャップをほとんど必要としない。 そこで本研究では,異なる実施形態のロボットに人為的な触覚信号を伝達する触覚アライメント手法であるTactAlignを提案する。
  論文  参考訳（メタデータ） (2026-02-14T03:31:32Z)
• 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)
• TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
  TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。 TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。 高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
  論文  参考訳（メタデータ） (2026-01-28T04:22:47Z)
• Enhancing Tactile-based Reinforcement Learning for Robotic Control [32.565866574593635]
  我々は,触覚観察をより効果的に活用するために,自己教師付き学習法(SSL)を開発した。 疎二元触覚信号がデキスタリティに重要であることを実証的に実証した。 我々は,ロボット触覚オリンピアド(RoTO)ベンチマークを公開し,触覚に基づく操作に関する今後の研究を標準化し,促進する。
  論文  参考訳（メタデータ） (2025-10-24T16:15:05Z)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
  人間は触覚と触覚に頼っている。 視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。 本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T16:27:37Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)

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。