論文の概要: Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation
- arxiv url: http://arxiv.org/abs/2609.19976v1
- Date: Thu, 17 Sep 2026 09:49:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.208876
- Title: Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation
- Title（参考訳）: 自由のコンプライアンス:双方向遠隔操作による識別可能なインピーダンスの学習
- Abstract要約: ヴィジュアル・トルク・アクションのモデルは、ロボットにどこに動くべきかを伝えるが、押すのがいかに難しいかはわからない。
適合性は、実効的なポーズであり、測定された力は、演算子の意図する平衡と剛性とを分離できないため、識別可能である。
事前のコンプライアンス・アウトプットポリシーは、手動で指定したタスク構造、特権化されたシミュレーションコンタクト状態、専用の力と触覚ハードウェアでこれを扱う。
4チャンネルの双方向遠隔操作は、目的の平衡を別々に測定するためにリードアームを使用することにより、あいまいさを直接除去する。
- 参考スコア（独自算出の注目度）: 4.531952468721763
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language-action models tell a robot where to move, but not how hard to push. Contact-rich tasks depend on that second quantity, compliance, yet no widely used demonstration interface records it. The obstacle is identifiability as realized pose and measured force cannot separate the operator's intended equilibrium from their stiffness, so VR controllers, SpaceMouse and handheld grippers cannot supply compliance supervision even in principle. Prior compliance-output policies work around this with hand-specified task structure, privileged simulation contact state, or dedicated force and tactile hardware. Four-channel bilateral teleoperation removes the ambiguity directly by using the leader arm as a separate measurement of the intended equilibrium, making per-axis stiffness identifiable by regression using only the joint-torque sensing already on the manipulator. This yields per-timestep, direction-dependent compliance labels at zero annotation cost, which we use to fine-tune a VLA to emit stiffness alongside pose. On a Franka Research 3 wiping task, ours is the only policy of five whose contact force changes when the instruction asks for a firm wipe rather than a normal one (6.4N (normal) to 9.1N (firm) RMS, Cohen's d = 0.89, p = 0.023
- Abstract（参考訳）: ヴィジュアル・ランゲージ・アクション・モデルは、ロボットにどこに動くべきかを伝えるが、押すのはそれほど難しくない。
コンタクト豊富なタスクはその第2の量、コンプライアンスに依存しますが、広く使われているデモインターフェースは記録しません。
実感的なポーズと測定力により、操作者の意図した平衡と剛性とを分離できないため、VRコントローラ、SpaceMouse、ハンドヘルドグリップパーは原則としてもコンプライアンスの監督を供給できない。
事前のコンプライアンス・アウトプットポリシーは、手動で指定したタスク構造、特権化されたシミュレーションコンタクト状態、専用の力と触覚ハードウェアでこれを扱う。
4チャンネルの双方向遠隔操作は、主アームを目的の平衡を別々に測定することで直接曖昧性を取り除き、マニピュレータ上の関節トルクセンサのみを用いて回帰によって軸方向の剛性を識別する。
これにより、時間単位の方向依存のコンプライアンスラベルをアノテーションのコストゼロで生成し、VLAを微調整して、ポーズとともに硬さを発生させる。
フランカリサーチ3のワイピングタスクでは、通常の (6.4N (正規) から 9.1N (確認) RMS, Cohen's d = 0.89, p = 0.023 に代えて、接点力が変化している5つのポリシーのみである。
関連論文リスト
- SoftVTBench: A Deformation-Aware Visuo-Tactile Dataset and Benchmark for Deformable-Object Manipulation [56.16187327142104]
物理的相互作用を意識した変形オブジェクト操作のためのビジュオ触覚データセットであるSoftVTBenchを紹介する。
4000以上の専門家によるデモンストレーションと50以上の資産が含まれており、その中には体積変形可能な物体や視覚的に整合した双生児が含まれる。
20Hzでは、各エピソードはマルチビューRGB、デュアルフィンガー触覚RGB、マーカー運動、プロプレセプション、言語、バイナリおよび連続グリップパーアクションを同期させる。
論文 参考訳（メタデータ） (2026-08-19T08:58:47Z) - URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation [7.1804801181795215]
We propose a textitUnified Robot Control-Policy Framework (URF)
URFは、コンプライアンス・アクション予測とインピーダンス・アドミタンス・コントロールを結合する。
その結果, 接触対応ポリシは, 適合行動だけでなく, 制御動作の予測にも有効であることが示唆された。
論文 参考訳（メタデータ） (2026-07-23T04:46:19Z) - Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers [27.33711271960601]
変圧器を用いたアクションチャンキング (ACT) は, きめ細かい操作において高い性能を示した。
多くのデプロイメントでは、リーダとフォロワの遠隔操作を通じてデモを収集する。
本稿では,ACTの見かけの力覚は,この隠れた相互作用キューに依存するかを検討する。
論文 参考訳（メタデータ） (2026-07-16T05:16:05Z) - Current as Touch: Proprioceptive Contact Feedback for Compliant Dexterous Manipulation [21.695801136739558]
本稿では,モータ電流と関節状態から接触認識コンプライアンスの手がかりを学習するプロプライエセプション駆動型フレームワークを提案する。
本手法は,標準PDコントローラの適合基準位置を予測する。
実験では、安定した整合性把握、より安全で効率的な遠隔操作、および外部触覚や力センサーを使わずに下流政策学習の改善が示されている。
論文 参考訳（メタデータ） (2026-07-03T17:59:50Z) - FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning [54.93624123794711]
接触に富んだ操作は力の感度を必要とするが、多くのロボットアームは高いコストのために専用の力センサーを欠いている。
本稿では、専用の力センサを必要とせず、外部関節トルクを推定するデータ駆動方式であるニューラル外部トルク推定(Trque)を提案する。
次に、低コストのアーム上での力覚的遠隔操作を可能にし、フォースインフォームド・リサンプリングトレーニングによる政策学習を改善する。
論文 参考訳（メタデータ） (2026-06-10T17:59:35Z) - Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。
物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。
我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
論文 参考訳（メタデータ） (2026-05-27T17:59:02Z) - Survive or Collapse: The Asymmetric Roles of Data Gating and Reward Grounding in Self-Play RL [76.45061154544568]
セルフプレイ強化学習は、言語モデルを独自の生成タスクで訓練し、人間ラベルなしでプロジェクタとソルバを共進化させる。
最近のシステムでは強い推理効果が報告されているが、崩壊と不安定性は広く観察され、理解されていない。
代わりに、自己プレイの安定性は、提案者生成タスクがトレーニングプールに入るかを判断するデータレベルゲートと、すでに認められたタスクに関するポリシーを更新する報酬信号の2つの異なるレバーによって管理されていると論じる。
論文 参考訳（メタデータ） (2026-05-21T09:19:23Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - Direction Matters: Learning Force Direction Enables Sim-to-Real Contact-Rich Manipulation [28.707088673008172]
本稿では,専門家が設計したコントローラロジックを転送に利用するフレームワークを提案する。
タスクにおける特権的監督の成功に触発されて、シミュレーションには人間によって設計された有限状態マシンベースの位置/力制御を用いる。
シミュレーションの不正確さに非常に敏感な力の大きさとは異なり、力の方向はハイレベルなタスク形状を符号化し、シム・トゥ・リアルギャップをまたいで頑健なままである。
論文 参考訳（メタデータ） (2026-02-15T14:57:13Z) - 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) - In-the-Wild Compliant Manipulation with UMI-FT [18.632109897570835]
UMI-FTは手持ちのデータ収集プラットフォームで、指に6軸の力/トルクセンサーを装着する。
我々は,標準コンプライアンスコントローラ上での位置目標,把握力,厳格性を予測する適応コンプライアンスポリシーを訓練する。
論文 参考訳（メタデータ） (2026-01-15T02:00:03Z)
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。