論文の概要: Physical-Touch Observability from Wrist Wrench in Granular Scooping
- arxiv url: http://arxiv.org/abs/2609.22852v1
- Date: Sat, 19 Sep 2026 07:47:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:17:27.612556
- Title: Physical-Touch Observability from Wrist Wrench in Granular Scooping
- Title（参考訳）: グラニュラースクーピングにおける Wrist Wrench の物理的タッチ観測可能性
- Abstract要約: 採掘と土砂移動は、具現化されたインテリジェンスにとって重要な現実世界の配置設定である。
ロボットスクーピングでは、事前接触RGB-Dセンシングは表面形状を明らかにするが、抵抗、コンパクト化、ツールエンゲージメント、負荷移動は示さない。
我々は、現在のスクープの6軸手首力/トルク(F/T)または手首レンチが、最終収集量に関する情報を含んでいるかどうかをテストする。
- 参考スコア（独自算出の注目度）: 21.667224601329142
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mining and earthmoving are important real-world deployment settings for embodied intelligence. Autonomous transport and driving systems have improved substantially, but loading and scooping still often depend on skilled human operators, exposing personnel and equipment to operational risk. For robotic scooping, pre-contact RGB-D sensing reveals surface geometry but not the resistance, compaction, tool engagement, or load transfer that emerge during interaction. We test whether the current scoop's six-axis wrist force/torque (F/T), or wrist wrench, contains information about final collected volume, and whether that information depends on the correctly paired action-terrain interaction. We call this property physical-touch observability. Using 6,700 real-robot scoops across 67 terrains, we evaluate correctly paired current-scoop F/T against pre-contact prediction and correspondence-breaking controls under terrain-held-out testing. At the retrospective 60% sequence boundary, correctly paired F/T reduces mean absolute error by 14.2% relative to Action-only and by 21.9% relative to cross-terrain mismatched F/T. Engineered signal summaries reproduce the result across model architectures. Together, these findings position wrist wrench not merely as a low-level feedback signal, but as a task-level perceptual modality through which embodied robots can infer hidden physical states during interaction, providing a foundation for response-aware autonomy in mining and other contact-rich tasks.
- Abstract（参考訳）: 採掘と土砂移動は、具現化されたインテリジェンスにとって重要な現実世界の配置設定である。
自律走行と運転システムは大幅に改善されているが、装填とスクーピングは依然として熟練した人間のオペレーターに依存しており、人員や機器を運用上のリスクにさらしている。
ロボットスクーピングでは、事前接触RGB-Dセンシングは表面形状を明らかにするが、相互作用中に現れる抵抗、コンパクト化、ツールエンゲージメント、負荷移動は示さない。
我々は、現在のスクープの6軸手首力/トルク(F/T)または手首レンチが、最終収集量に関する情報と、その情報が正しくペア化されたアクション・テランの相互作用に依存するかどうかをテストする。
私たちはこのプロパティを物理タッチオブザーバビリティと呼びます。
67の地形にまたがる6,700個の実ロボットスクープを用いて,地形保持試験における事前接触予測と対応破壊制御に対して,電流スクープF/Tを正しく組み合わせて評価した。
振り返り60%のシーケンス境界では、正しくペア化されたF/Tは、平均絶対誤差をアクションのみと比較して14.2%減少し、また、クロステランのミスマッチしたF/Tに対して21.9%減少させる。
エンジニアによる信号要約は、モデルアーキテクチャ全体にわたって結果を再現する。
これらの知見は、手首を低レベルのフィードバック信号としてだけでなく、ロボットが相互作用中に隠れた物理的状態を推測できるタスクレベルの知覚モダリティとして位置づけ、マイニングやその他のコンタクトリッチなタスクにおける応答認識の自律性の基礎となる。
関連論文リスト
- ForceTwin: Physics-informed Digital Twins for Robotic Manipulation from Instrumented Human Interaction [50.52713367623184]
ForceTwin(フォーストイン)は、計測された人間との相互作用から、音声で表現された物体の物理情報を持つデジタル双対を識別するシステムである。
我々は, 慣性, クーロン摩擦, 減衰, 構造的残効状態依存機構力を含む調音, パラメトリックダイナミクスを推定する。
特定された双子を使って、全身のドア・トラバーサルポリシーを訓練し、現実世界に展開します。
論文 参考訳（メタデータ） (2026-09-18T13:26:32Z) - Task-Relevant Feature-Dynamics Fidelity Enables Zero-Shot Sim-to-Real Transfer for Robotic Ultrasound Scanning [58.25007580703646]
我々は,共有構造中間領域,軌道レベルの固定雑音,数ステップの条件流生成を組み合わせたTR指向超音波シミュレータを開発した。
ファントム実験では、4つの標的機に400発のゼロショット配置のうち390発が成功した。
論文 参考訳（メタデータ） (2026-08-30T02:37:00Z) - RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。
本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。
ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
論文 参考訳（メタデータ） (2026-08-13T09:55:59Z) - 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) - Gaze-Aware Task Progression Detection Framework for Human-Robot Interaction Using RGB Cameras [0.0]
人間-ロボットインタラクション(HRI)では、人間の視線を検出することで、ロボットがユーザーの注意と意図を解釈するのに役立つ。
統合ディスプレイインタフェースを介して情報を伝達する際のタスク進行を検出するためのキャリブレーションフリーフレームワークを提案する。
その結果,タスク完了検出精度は77.6%であった。
論文 参考訳（メタデータ） (2026-03-16T22:03:02Z) - Estimating Force Interactions of Deformable Linear Objects from their Shapes [10.735269120154983]
多くのロボットとワイヤーの相互作用タスクでは、接触はエンドエフェクターではなく、ロボットの体に沿った他の点で行われる。
既存のアプローチは、しばしば高価な外部力トルクセンサーに依存するか、正確な力推定のためにエンドエフェクターで接触が発生する。
これは、導出した一貫性条件を利用して、ワイヤに沿った力-トルクのバランスに基づく線形方程式の系を解くことで達成される。
論文 参考訳（メタデータ） (2026-02-01T08:02:30Z) - TranTac: Leveraging Transient Tactile Signals for Contact-Rich Robotic Manipulation [11.834021644402148]
鍵をロックに挿入したり、USBデバイスをポートに差し込んだりといったロボット操作は、視覚的な認識が不十分な場合に失敗する可能性がある。
本稿では,データ効率と低コストな触覚検知・制御フレームワークであるTranTacを紹介する。
マイクロメータスケールで動的翻訳およびねじり変形を検出することができる。
論文 参考訳（メタデータ） (2025-09-20T06:25:59Z) - Fine Robotic Manipulation without Force/Torque Sensor [9.908082209033612]
典型的な6軸力/トルクセンサ(F/T)がロボットの手首と端エフェクターの間に装着され、環境がロボットに与える力(外部レンチ)を測定する。
典型的な6軸F/Tセンサーは高い精度で測定できるが、ドリフトや外部の衝撃に対して高価で脆弱である。
ロボットの内部信号のみを用いて外部レンチを推定する既存の手法は、スコープに限られている。
我々はニューラルネットワークに基づく手法を提案し、トレーニングデータ構造に特に注意を払うことで、正確に見積もることができると論じる。
論文 参考訳（メタデータ） (2023-01-31T05:06:04Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z)
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。