論文の概要: Before the Tipping Point: Force-Guided Active Perception for Shape-Agnostic Estimation of 3D Centers of Mass
- arxiv url: http://arxiv.org/abs/2609.12894v1
- Date: Fri, 11 Sep 2026 14:22:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.772738
- Title: Before the Tipping Point: Force-Guided Active Perception for Shape-Agnostic Estimation of 3D Centers of Mass
- Title（参考訳）: 打点前:3次元質量中心の形状非依存評価のための力ガイド型能動知覚
- Abstract要約: 未知物体の質量の3次元中心を推定することは、把握が不可能、幾何学が不規則、あるいは質量分布が不均一である場合に困難である。
本稿では,ロボットマニピュレータによる1つのサブクリティカルチップ実験から,CoMの高さと質量を推定する力に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 12.875407038678366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Estimating the 3D center of mass of unknown objects is challenging when grasping is infeasible, geometry is irregular, or mass distribution is uneven. We present a force-based method that estimates CoM height and mass from a single sub-critical tipping experiment by a robot manipulator. The robot applies a quasistatic elevated push and retract motion, using force-angle measurements recorded during tipping to identify parameters from the object trajectory. Our proposed push-retract cycle mitigates frictional bias, enabling generalized fitting. We experimentally validate our method using a robot manipulator with a six-axis force torque sensor on varying types of objects without prior shape information and without specific models. We also propose a method to prevent toppling, keeping the object in a sub-critical tipping regime by leveraging a safety margin. In experimental studies, our method recovers mass, CoM height, and toppling angle with relative errors below 5.0 percent across all unknown objects. This work demonstrates reliable 3D inertial parameter estimation under proper safety thresholds in tipping. Our proposed method informs and enables reliable non-prehensile manipulation and robotic grasping of challenging objects that were previously infeasible.
- Abstract（参考訳）: 未知物体の質量の3次元中心を推定することは、把握が不可能、幾何学が不規則、あるいは質量分布が不均一である場合に困難である。
本稿では,ロボットマニピュレータによる1つのサブクリティカルチップ実験から,CoMの高さと質量を推定する力に基づく手法を提案する。
このロボットは、物体の軌跡からパラメータを識別するために、先端中に記録された力角測定を用いて、擬似的に上昇したプッシュとリトラクションの動作を適用している。
提案したプッシュリトラクションサイクルは摩擦バイアスを緩和し、一般化されたフィッティングを可能にする。
本研究では,6軸力トルクセンサを備えたロボットマニピュレータを用いて,形状情報や特定のモデルなしで様々な種類の物体に対して実験を行った。
また, トッピング防止手法を提案し, 安全マージンを生かして, 物体をサブクリティカルなテーピング体制に保持する。
実験では,全ての未知物体に対して相対誤差が5.0%未満の質量,CoM高さ,トッピング角度を復元する。
本研究は, チップの適切な安全しきい値の下での3次元慣性パラメータ推定の信頼性を示す。
提案手法は,従来不可能であった難解物体の信頼性の高い非包括的操作とロボットによる把握を可能にする。
関連論文リスト
- Control Architecture for Safe Grasping of Fragile Objects Using a Coarse Position-Controlled Gripper [0.26999000177990923]
粗い位置制御グリップに対する力/トルクに基づく接触推定法を提案する。
所望の接触力は、未知の性質の物体との安定した接触を維持するためにオンラインで推定される。
実験の結果,提案アルゴリズムはすべりを防止できるだけでなく,物体を安全に把握するための最小の力も適用できることがわかった。
論文 参考訳（メタデータ） (2026-09-11T11:37:40Z) - GAPG: Geometry Aware Push-Grasping Synergy for Goal-Oriented Manipulation in Clutter [27.71481975135778]
乱雑な環境では、シングルステップの把握が不十分であることが多い。
従来の作業は、把握可能な空間を作るための補助的なアクションとしてプッシュを導入してきた。
我々は,グリップとプッシュ評価を統合するために,幾何対応のプッシュグラス・シナジー・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-22T12:30:44Z) - Proprioceptive Shape Estimation of Tensegrity Manipulators Using Energy Minimisation [0.0]
形状推定は、連続曲げ張力マニピュレータを制御するための基礎となる。
本稿では, 重力に対する傾斜角情報のみを用いて, 張力マニピュレータ全体の形状推定が可能であることを示す。
20本の支柱と総長さ1160mmの5層張力マニピュレータを用いて行った実験により,提案手法は全マニピュレータ長さの2.1%の精度で形状を推定できることを示した。
論文 参考訳（メタデータ） (2026-03-06T07:17:02Z) - Online Inertia Parameter Estimation for Unknown Objects Grasped by a Manipulator Towards Space Applications [2.4851979798228894]
把握されたオブジェクトの慣性パラメータを知ることは、動的に認識する操作に不可欠である。
この研究は、操作中に未知の対象物の慣性パラメータを推定する問題に対処する。
論文 参考訳（メタデータ） (2025-12-26T06:19:00Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。
我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。
本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
論文 参考訳（メタデータ） (2023-03-09T02:20:56Z) - Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
不確実性推定は統計的に正確な予測を提供する効果的なツールである。
本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
論文 参考訳（メタデータ） (2023-02-12T14:30:03Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z) - Uncertainty-Aware Voxel based 3D Object Detection and Tracking with
von-Mises Loss [13.346392746224117]
不確実性は、認識システムのエラーに対処し、堅牢性を改善するのに役立ちます。
本稿では,SECOND検出器に不確実性レグレッションを追加することにより,目標追尾性能を向上させる手法を提案する。
論文 参考訳（メタデータ） (2020-11-04T21:53:31Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-02-29T06:24:55Z)
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。