論文の概要: Shake to Learn: Dynamic Interrogation of Hidden Object Physics for Robotic Manipulation with Physical Reservoir Computing
- arxiv url: http://arxiv.org/abs/2609.20970v1
- Date: Thu, 17 Sep 2026 18:26:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.746838
- Title: Shake to Learn: Dynamic Interrogation of Hidden Object Physics for Robotic Manipulation with Physical Reservoir Computing
- Title（参考訳）: Shake to learn: Dynamic Interrogation of Hidden Object Physics for Robotic Manipulation with Physical Reservoir Computing
- Abstract要約: 本研究は,従来のセンシングでは到達不可能な物体物理を推定するために,相互作用誘起動的応答を用いていることを示す。
我々はこのアイデアを,物理貯水池コンピュータとして機能する折り紙型ソフトロボットアームを用いて実現した。
ライトウェイトな線形読み出しは、これらのダイナミクスをデコードして、隠された物体物理学に関する解釈可能な情報を復元する。
- 参考スコア（独自算出の注目度）: 3.8305524162038793
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Many physical properties relevant to robotic manipulation are hidden from vision. A sealed object, for example, may reveal little about its center of mass (COM) or internal contents until it is lifted, shaken, or otherwise dynamically perturbed. This study shows that such interactions can enable a new modality of robotic perception and learning, in which interaction-induced dynamic responses are used to infer object physics that is inaccessible to conventional sensing. We implement this idea using an origami-inspired soft robotic arm that functions as a physical reservoir computer. After grasping an object, the arm is excited by a fixed shaking input at its base, and the resulting ringdown response is recorded through either camera tracking or embedded sensors. Because the input is held constant across trials, hidden object properties, such as the COM position, are encoded through their effect on the dynamics of the coupled robot-object system. A lightweight linear readout can then decode these dynamics to recover interpretable information about the hidden object physics. Using this framework, the soft robotic arm reservoir completed three tasks of increasing difficulty: inferring the orientation of the object's hidden COM, inferring the COM distance from the grasp point, and using the inferred COM information to guide a subsequent regrasp. We further develop a dynamic summary representation of the ringdown response that improves prediction accuracy. Together, these results establish shake-to-learn mechanical interrogation as a promising strategy for robotic systems to convert brief physical interactions into actionable cues about hidden object properties for downstream manipulation.
- Abstract（参考訳）: ロボット操作に関連する多くの物理的特性は視覚から隠されている。
例えば、封印された物体はその中心の質量(COM)や内部の内容についてほとんど明らかにしないが、持ち上げられるか、揺らされるか、あるいは動的に乱される。
本研究は,ロボットの知覚と学習の新たなモダリティを実現し,対話による動的応答を用いて従来の知覚に到達できない物体物理学を推定することを示す。
我々はこのアイデアを,物理貯水池コンピュータとして機能する折り紙型ソフトロボットアームを用いて実現した。
物体をつかんだ後、アームはベースで一定の揺動入力によって励起され、その結果のリングダウン応答は、カメラトラッキングまたは組込みセンサーを介して記録される。
入力は試験中に一定に保持されるため、COM位置などの隠されたオブジェクト特性は、結合されたロボットオブジェクトシステムのダイナミクスに対する影響によって符号化される。
ライトウェイトな線形読み出しは、これらのダイナミクスをデコードして、隠された物体物理学に関する解釈可能な情報を復元する。
この枠組みを用いて、ソフトロボットアーム貯水池は、物体の隠されたCOMの向きを推測し、つかみ点からCOM距離を推定し、推定されたCOM情報を使用してその後のリグラスを誘導する3つのタスクを完了した。
さらに,予測精度を向上させるリングダウン応答の動的要約表現を開発した。
これらの結果は、ロボットシステムにおいて、簡単な物理的相互作用を下流操作のための隠された物体の性質に関する実行可能なキューに変換するための有望な戦略として、揺らぎから学習までの機械的尋問を確立している。
関連論文リスト
- HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - 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) - ArtiSG: Functional 3D Scene Graph Construction via Human-demonstrated Articulated Objects Manipulation [51.54082859171464]
ArtiSGは、人間のデモを構造化されたロボットメモリにエンコードすることで、機能的な3Dシーングラフを構築するフレームワークである。
本研究では,ArtiSGが機能的要素リコールおよび調音推定精度において,ベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-12-31T13:10:40Z) - ArtReg: Visuo-Tactile based Pose Tracking and Manipulation of Unseen Articulated Objects [2.9793019246605676]
視認できない物体の視触覚に基づく追跡のための新しい手法を提案する。
提案手法は,無意味なカルマンフィルタの定式化において,ビジュオ触点雲を統合する。
我々は,実際のロボット実験を通じて,様々な種類の未知物体に対するアプローチを広く評価してきた。
論文 参考訳（メタデータ） (2025-11-09T13:30:51Z) - Multifunctional physical reservoir computing in soft tensegrity robots [2.0686733932673604]
近年の研究では、物理系の力学を所望の情報処理に活用できることが示されている。
本研究では、このアプローチを拡張して、1つのだけでなく複数の動作をテングレティロボットと呼ばれるソフトロボットに組み込む。
トレーニングデータの外部に,システムの状態空間に「未学習の引き付け者」が存在することを示す。
論文 参考訳（メタデータ） (2025-07-29T04:33:02Z) - Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
微分可能シミュレーションは、システム識別の強力なツールとなっている。
本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。
低コストなロボットプラットフォームにおける本手法の有効性を実証する。
論文 参考訳（メタデータ） (2024-10-04T20:48:38Z) - RoboPack: Learning Tactile-Informed Dynamics Models for Dense Packing [38.97168020979433]
本稿では, 視覚と触覚を組み合わせ, 触覚インフォームド・ダイナミックスモデルを学習することでロボット操作を実現するアプローチを提案する。
提案するフレームワークであるRoboPackは、オブジェクト状態を推定するために、リカレントグラフニューラルネットワークを使用している。
我々は,非包括的操作と密包装作業に対するソフトバブル触覚センサを備えた実ロボットへのアプローチを実証する。
論文 参考訳（メタデータ） (2024-07-01T16:08:37Z) - Learning Manipulation by Predicting Interaction [85.57297574510507]
本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。
実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
論文 参考訳（メタデータ） (2024-06-01T13:28:31Z) - Multimodal Anomaly Detection based on Deep Auto-Encoder for Object Slip
Perception of Mobile Manipulation Robots [22.63980025871784]
提案フレームワークは,RGBや深度カメラ,マイク,力トルクセンサなど,さまざまなロボットセンサから収集した異種データストリームを統合する。
統合されたデータは、ディープオートエンコーダを訓練して、通常の状態を示す多感覚データの潜在表現を構築するために使用される。
次に、トレーニングされたエンコーダの潜伏値と再構成された入力データの潜伏値との差によって測定された誤差スコアによって異常を識別することができる。
論文 参考訳（メタデータ） (2024-03-06T09:15:53Z) - Learning Intuitive Physics with Multimodal Generative Models [24.342994226226786]
本稿では,視覚と触覚のフィードバックを融合させ,動的シーンにおける物体の動きを予測する枠組みを提案する。
我々は、接触面の高解像度マルチモーダルセンシングを提供する新しいSee-Through-your-Skin(STS)センサを使用します。
物体の静止状態を所定の初期条件から予測するシミュレーションおよび実世界の実験を通じて検証する。
論文 参考訳（メタデータ） (2021-01-12T12:55:53Z)
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。