論文の概要: TacBPM: A Tactile-conditioned Behavior Prior Model for Dexterous Reorientation

• arxiv url: http://arxiv.org/abs/2609.18174v1
• Date: Wed, 16 Sep 2026 05:58:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.664335
• Title: TacBPM: A Tactile-conditioned Behavior Prior Model for Dexterous Reorientation
• Title（参考訳）: TacBPM: 脱軸配向のための触覚条件付き行動優先モデル
• Abstract要約: 有害な手動操作は、断続的で接触に富んだ相互作用を通じて高DoFハンドジョイントを協調するポリシーを必要とする。 触覚条件付き振舞いモデルを提案する。
• 参考スコア（独自算出の注目度）: 20.22504784076148
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dexterous in-hand manipulation requires policies that coordinate high-DoF hand joints through intermittent, contact-rich interaction. Beyond target-orientation tracking, such policies must discover finger gaits that preserve object stability while adapting to geometry, anisotropy, pose, contact, and sensing changes. We propose \method, a tactile-conditioned behavior prior model for dexterous reorientation. \method distills multi-scale sphere specialists into a latent controller and lets downstream policies reuse the fixed tactile prior through residual latent actions, reducing renewed exploration from raw joint commands. The prior conditions on tactile-proprioceptive history so latent behavior reflects the current hand-object interaction. We evaluate arbitrary-pose transfer across anisotropic objects, commanded-axis rotation, and an arm-hand Grasp-to-AnyPose task in which the robot must grasp, lift, transport, and reach goal poses for novel tool geometries and generalized placements. Extensive experiments demonstrate that the proposed method accelerates training and enables stable policies where matched raw-action PPO remains near failure, with successful sim-to-real transfer in in-hand and arm-hand tasks.
• Abstract（参考訳）: 有害な手動操作は、断続的で接触に富んだ相互作用を通じて高DoFハンドジョイントを協調するポリシーを必要とする。 目標方向追跡以外にも、このようなポリシーは、幾何学、異方性、ポーズ、接触、感覚の変化に適応しながら、物体の安定性を保った指先を見つける必要がある。 触覚条件付き行動モデルである<method</method</method</method</method</method</method</method</method</method</method</method</method</method</method</method</method</method</method \methodはマルチスケールのスフィアスペシャリストを潜水制御装置に蒸留し、下流のポリシーは残留潜水動作によって固定された触覚を再利用し、生の関節コマンドからの探索を減少させる。 触覚と固有受容の歴史に関する以前の条件は、潜伏行動が現在の手と物体の相互作用を反映している。 我々は、異方性物体間の任意の位置移動、指令軸回転、アームハンドのGrasp-to-AnyPoseタスクを評価し、ロボットは、新しいツールジオメトリーと一般化された配置のためのゴールポーズをつかみ、持ち上げ、輸送し、到達する必要がある。 大規模な実験により,提案手法は訓練を加速し,一致した生動作PPOが失敗に近づき,手作業や手作業でのシミュレート・トゥ・リアルな移動が成功するような安定的な政策を可能にすることが示された。

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)
• TopoRetarget: Interaction-Preserving Retargeting for Dexterous Manipulation [32.317349412479885]
  人手オブジェクトのデモは、参照トラッキングを通じて、デクスタラスラーニング(RL)ポリシーをトレーニングするための高密度な参照動作を提供する。 このような実演をRL政策学習に利用するためには、強化は手ポーズとタスク関連手オブジェクト接触構造を保たなければならない。 TopoRetargetは、さまざまな条件にまたがって単一のパラメータセットを使用するインタラクション保存フレームワークである。 TopoRetargetは、ContactPoseデータセット上のすべてのベースラインに対して、最高のコンタクト精度とアライメントを達成する。
  論文  参考訳（メタデータ） (2026-06-15T06:20:46Z)
• DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects [12.35353010124029]
  調音物体との有害な相互作用は、家庭、補助、ヒューマノイド操作において重要である。 そこでDragMesh-2について述べる。 また,身体情報を利用した接触認識学習機構であるPICAを提案する。
  論文  参考訳（メタデータ） (2026-06-13T05:47:14Z)
• SECOND-Grasp: Semantic Contact-guided Dexterous Grasping [60.1519218638742]
  Second-Grasp (Semantic Contact-guided Dexterous Grasping) は、ロボットハンドが意味論的推論に基づいて把握戦略を調整できる統合されたフレームワークである。 我々のアプローチは、目に見えるカテゴリーと目に見えないカテゴリの両方で成功率を上げるために、一貫してベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-05-13T07:37:00Z)
• Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
  Referring-Aware Visuomotor Policy(ReV)について紹介する。 ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。 これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
  論文  参考訳（メタデータ） (2026-04-07T07:41:11Z)
• Contact-Grounded Policy: Dexterous Visuotactile Policy with Generative Contact Grounding [5.936373185672394]
  Contact-Grounded Policy (CGP) は、実際のロボット状態と触覚フィードバックの複合軌跡を予測することで、多点接触を根拠とするビゾタクティルポリシーである。 CGPは, (i) 圧縮潜在空間における将来のロボットの状態と触覚フィードバックを予測する条件拡散モデル, (ii) 学習された接触一貫性マッピングの2つのコンポーネントから構成される。 指先触覚センサDgit360を用いた4本指のAllegro V5手と,高密度全手触覚アレイを用いた5本指のTesollo DG-5F手を用いてCGPを評価した。
  論文  参考訳（メタデータ） (2026-03-05T21:22:49Z)
• Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation [55.969741720077565]
  コンタクトリッチな操作は、人間のような知覚と力のフィードバックの統合を要求する。 既存の学習ベースのポリシは、これらの役割をモノリシックなネットワークに束縛することが多い。 本研究では,グローバル・ローカル・ビジョン・フォース・ポリシーを提案する。このポリシーでは,グローバル・グローバル・ポリシーが視覚を用いて自由空間動作を誘導し,接触時に,力フィードバックによる高周波ローカル・ポリシーが相互作用フレームを推定し,安定した相互作用のためのハイブリッド・フォース・ポジション・コントロールを実行する。
  論文  参考訳（メタデータ） (2026-02-25T16:35:24Z)
• 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)
• AnyRotate: Gravity-Invariant In-Hand Object Rotation with Sim-to-Real Touch [9.606323817785114]
  我々は,高密度のsim-to-realタッチを用いた重力不変多軸物体回転システムであるAnyRotateを提案する。 我々の定式化により、統一されたポリシーの訓練により、任意の回転軸に関する未知の物体を任意の方向で回転させることができる。 リッチな多指触覚センシングは不安定な把握を検知し、ポリシーの堅牢性を改善するリアクティブな振る舞いを提供する。
  論文  参考訳（メタデータ） (2024-05-12T22:51:35Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)

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。