論文の概要: Visible Touch: Rendering Contact for Visuomotor Policies
- arxiv url: http://arxiv.org/abs/2609.14156v1
- Date: Sat, 12 Sep 2026 21:15:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.715617
- Title: Visible Touch: Rendering Contact for Visuomotor Policies
- Title（参考訳）: Visible Touch:Visuomotor Policiesのコンタクトのレンダリング
- Abstract要約: 接触情報は、バイスモータポリシーの堅牢な操作に不可欠である。
現在のアプローチでは、特殊な触覚ハードウェア、別個の触覚エンコーダの追加、非イメージポリシーバックボーンへのコミットが必要となっている。
私たちはVisible Touchのこの洞察を、カスタムの低コストの磁気接触センサーと組み合わせて運用しています。
- 参考スコア（独自算出の注目度）: 5.457564982234203
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating contact information into visuomotor policies remains an open problem. Touch is essential to robust manipulation, yet most modern policies, including pretrained vision-language-action (VLA) models, operate from vision and proprioception alone. Existing approaches to closing this gap require specialized tactile hardware, add separate tactile encoders, or commit to non-image policy backbones, all incompatible with the modern paradigm of image-conditioned policies built on pretrained 2D visual representations. Our key insight is that the bottleneck is not the contact information itself, but how it is delivered: when contact signals are exposed in the same spatial frame as the scene the policy already attends to, they become directly usable by any image-conditioned policy without architectural changes. We operationalize this insight in Visible Touch, paired with a custom low-cost magnetic contact sensor that is open-sourced and fabricated from off-the-shelf parts via a parametric CAD-to-mold pipeline. Across the LIBERO benchmark, Visible Touch improves BC-Transformer success by 15.7 percentage points on average in the 2-view setting, with similar gains in the 1-view setting; controlled comparisons show that the contact-integration strategy strongly affects how effectively tactile information is used. The pattern holds when fine-tuning pretrained VLAs: miniVLA on LIBERO gains 25 percentage points on average, and $π_{0.5}$ on four real-world contact-rich tasks gains 30 percentage points with our custom sensor.
- Abstract（参考訳）: 連絡先情報をビジュモータポリシーに統合することは、依然として未解決の問題である。
タッチは堅牢な操作には不可欠であるが、事前訓練された視覚言語アクション(VLA)モデルを含む最も現代的なポリシーは、視覚とプロプレセプションのみから操作される。
このギャップを埋めるために既存のアプローチでは、特別な触覚ハードウェア、別個の触覚エンコーダの追加、あるいは非イメージポリシーバックボーンへのコミットが必要であり、これらは全て、事前訓練された2次元視覚表現上に構築された画像条件付きポリシーの現代的なパラダイムと互換性がない。
我々の重要な洞察は、ボトルネックはコンタクト情報そのものではなく、どのように配信されるかである: 接触信号がすでに参加しているシーンと同じ空間フレームに露出すると、それらはアーキテクチャ上の変更なしに、画像条件のポリシーによって直接利用できるようになる。
私たちはVisible Touchのこの洞察を、パラメトリックCAD-to-モールドパイプラインを介して市販部品からオープンソースで製造された、カスタムの低コスト磁気接触センサーと組み合わせて運用します。
LIBEROベンチマーク全体では、Visible TouchはBC-Transformerの成功率を平均15.7ポイント改善し、1ビュー設定でも同様に向上した。
LIBERO上のミニVLAは平均25ポイント、現実の4つのコンタクトリッチタスクにおける$π_{0.5}$はカスタムセンサーで30ポイントを得る。
関連論文リスト
- VISTA: Visually Inferred Spatial ConTact Attention for Contact-Rich Manipulation [10.246144615395378]
VISTA-Policyは視覚変形場(VDF)を利用した模倣学習パラダイムである。
論文 参考訳（メタデータ） (2026-08-26T14:44:29Z) - CAAT: Contact-Aware Attention Scaling and Tactile Masking for Data-Efficient Contact-Rich Manipulation [10.252675409218057]
接触に富んだ操作では、視覚的な観察は自由空間における動きを導くが、触覚的な観察は接触中に特に有益になる。
標準トランスフォーマーベースのvisuo-tactileポリシーは一般的にトークンの連結か学習可能なゲーティングに依存する。
本稿では,注意スケーリングと動的触覚マスキングにより,接触先行情報を明示的に組み込んだ軽量な接触認識フレームワークであるCAATを提案する。
論文 参考訳（メタデータ） (2026-08-02T09:04:00Z) - Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。
これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。
本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
論文 参考訳（メタデータ） (2026-06-29T08:20:18Z) - FTP-1: A Generalist Foundation Tactile Policy Across Tactile Sensors for Contact-Rich Manipulation [66.22092641373067]
FTP-1は、トランスファー可能な触覚操作能力を取得するために事前訓練された最初の一般基盤触覚ポリシーである。
画像、配列、状態ベースの信号を含む様々な触覚入力をサポートする。
プレトレーニング中に見られるセンサーを超える触覚スキルを学習する。
論文 参考訳（メタデータ） (2026-06-11T09:30:09Z) - OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。
我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
論文 参考訳（メタデータ） (2026-03-19T17:52:42Z) - TacVLA: Contact-Aware Tactile Fusion for Robust Vision-Language-Action Manipulation [27.000763540977506]
VLA(Vision-Language-Action)モデルは、ロボット操作において大きな優位性を示している。
本稿では,触覚モーダルを変換器のポリシーに組み込んだ微調整VLAモデルTacVLAを提案する。
本稿では,接触検出時にのみ触覚トークンを選択的に活性化する接触認識ゲーティング機構を提案する。
論文 参考訳（メタデータ） (2026-03-13T05:20:41Z) - 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) - 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) - OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction [93.88239833545623]
OpenTouchは、最初のインザワイルドなエゴセントリックなフルハンド触覚データセットです。
触覚信号は,理解のためのコンパクトで強力なキューを提供する。
我々は,マルチモーダルな自我中心の知覚,具体的学習,接触に富むロボット操作の促進を目指す。
論文 参考訳（メタデータ） (2025-12-18T18:18:17Z) - Learning Precise, Contact-Rich Manipulation through Uncalibrated Tactile Skins [17.412763585521688]
我々は、トランスフォーマーベースのポリシーを使用して、皮膚センサーデータを視覚情報とともに追加トークンとして扱うシンプルなアプローチであるVisuo-Skin(ViSk)フレームワークを提案する。
ViSkは、視力のみと光触覚に基づくポリシーの両方で著しく優れています。
さらに、触覚と視覚のモダリティを組み合わせることで、政策性能と空間的一般化が向上し、タスク全体で平均27.5%の改善が達成される。
論文 参考訳（メタデータ） (2024-10-22T17:59:49Z)
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。