論文の概要: TACIT: Tactile Contact Supervision for Spatial Attention in Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2609.24507v1
- Date: Mon, 21 Sep 2026 12:47:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:10:04.67672
- Title: TACIT: Tactile Contact Supervision for Spatial Attention in Dexterous Manipulation
- Title（参考訳）: TACIT:デクサラスマニピュレーションにおける空間的注意のための触覚接触監視
- Abstract要約: いくつかのデモンストレーションから訓練された視覚運動のポリシーは、物体の位置の変化に確実に従わずに、実証された軌道を再現することができる。
遠隔操作による遠隔操作による触覚接触を用いて空間的注意を監督するTACIT(触覚接触が注意を喚起する)を導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visuomotor policies trained from a few demonstrations may reproduce demonstrated trajectories without reliably following changes in object position. Existing approaches with explicit attention typically obtain spatial priors from human annotation or visual models. We introduce TACIT (tactile contact informs attention), which uses measured tactile contacts from teleoperated demonstrations to supervise spatial attention without additional point annotation. Gaussian targets over preceding camera point clouds supervise an attention head whose pooled output conditions a visuotactile diffusion policy. Targets are used only during training; tactile observations remain inputs at inference. In the primary real-robot benchmark, with ten demonstrations per task and five demonstrated placement regions, TACIT achieves 66.7% success on ball placement and 73.3% on peg insertion, compared with 10.0% and 20.0% for input-matched 3D visuotactile fusion and 20.0% and 43.3% for vision-only DP3. TACIT enters the 150 mm palm-to-object approach region within 12 seconds in all 30 trials per task; all remaining failures occur after arrival. Across three training seeds on real ball and simulated peg, TACIT outperforms input-matched fusion and an architecture-matched control without explicit attention supervision, supporting the contribution of supervision beyond branch capacity. Pre-contact and contact-time supervision show no consistent ordering. These results demonstrate that measured tactile contact provides effective spatial supervision for approach behavior from few demonstrations within the evaluated workspace.
- Abstract（参考訳）: いくつかのデモンストレーションから訓練された視覚運動のポリシーは、物体の位置の変化に確実に従わずに、実証された軌道を再現することができる。
明らかな注意を持つ既存のアプローチは、通常、人間のアノテーションや視覚モデルから空間的な事前情報を得る。
遠隔操作による触覚接触を用いたTACIT(触覚接触が注意を喚起する)を導入し,追加のポイントアノテーションを使わずに空間的注意を監督する。
先行するカメラポイント雲に対するガウスの標的は、プールされた出力条件がビゾタクタクタブル拡散ポリシーである注意ヘッドを監督する。
ターゲットは訓練中のみ使用され、触覚観察は推論時に入力される。
主要な実ロボットベンチマークでは、タスクあたり10のデモと5つの実証された配置領域があり、TACITはボールプレースで66.7%、ペグ挿入で73.3%、入力マッチングされた3Dビゾタクター融合では10.0%と20.0%、視覚のみのDP3では20.0%と43.3%である。
TACITはタスク毎の30回の試験で150mmのパーム・トゥ・オブジェクト・アプローチ領域を12秒以内に入力する。
実球上での3つの訓練種と模擬ペグにおいて、TACITは入力整合核融合とアーキテクチャ整合制御を目立たずに達成し、分岐能力を超えた監督の貢献を支援する。
事前の接触と接触時の監視は、一貫した順序を示さない。
これらの結果から, 触覚接触は, 評価作業空間内の少数の実演からアプローチ行動に対する効果的な空間的監視を提供することが示された。
関連論文リスト
- TacSushi: Tactile-Grounded World-Action Modeling for Dexterous Sushi Manipulation [13.498210082765892]
TacSushiは、現在の観測に基づいて行動しながら、記録された将来の結果から学習する世界行動政策である。
340回の成功と50回の実ロボット試験の失敗でTacSushiをトレーニングし、6つのメソッドを600回別々のロールアウトで比較した。
フル・タツシは68.3%の流通成功、37.5%のアウト・オブ・ディストリビューション成功を達成し、将来的な監督なしに36.7%/10.0%を達成している。
論文 参考訳（メタデータ） (2026-09-17T03:01:35Z) - VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。
汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。
モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
論文 参考訳（メタデータ） (2026-09-17T01:24:51Z) - PredTac: Learning Contact-Rich Manipulation with Predicted Touch [0.552480439325792]
触覚測定の代替として,予測タッチを定式化した。
触覚状態を因果的な視覚的観察から推定するフレームワークであるPredTacを提案する。
シミュレーションおよび実ロボット上での3つのコンタクトリッチな操作タスク間でPredTacを評価した。
論文 参考訳（メタデータ） (2026-09-14T08:19:55Z) - Spacetime Optimal-Transport Attention for Visuo-Haptic Imitation Learning of Contact-Rich Manipulation [8.276456155150138]
軟質マックス正規化パッチアテンションに代わる3モーダル核融合バックボーンであるSpacetime Optimal-Transport Attention (SO-TA)を提案する。
明示的な限界制約は、接触に富むタスクに対する構造的帰納バイアスとして機能し、条件付き空間選択を奨励する。
我々は,3つの実ロボット上でのSO-TAの評価を行い,穴内密組立,BCM配線コネクタ挿入,曲面マーク消去を行った。
論文 参考訳（メタデータ） (2026-05-19T19:29:21Z) - 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) - MSACT: Multistage Spatial Alignment for Stable Low-Latency Fine Manipulation [4.439585594082787]
実世界の微視的操作、特に双方向操作では、低レイテンシ制御と安定した視覚的位置決めが必要となる。
ACTのようなアクションチャンキングポリシーは、低レイテンシの実行とデータ効率を可能にするが、空間的一貫性を明示することなく、密集した視覚的特徴に依存している。
安定な2次元アテンションポイントを抽出し,時間的アライメントロスを伴う将来のアテンションシーケンスを共同で予測する多段階空間アテンションモジュールを提案する。
論文 参考訳（メタデータ） (2026-05-01T07:35:15Z) - Belief Dynamics for Detecting Behavioral Shifts in Safe Collaborative Manipulation [3.198214897627444]
ManiSkill共有ワークスペース操作タスクにおいて、制御された非定常性の下でのシステマティックスウィッチ検出について検討する。
10つの検出方法と5つのランダムなシードによって、検出が可能になったことにより、スウィッチ後の衝突が52%減少する。
UA-TOMは、凍結した視覚-言語-行動制御バックボーンを増強する軽量な信念追跡モジュールである。
論文 参考訳（メタデータ） (2026-04-04T02:41:09Z) - Universal Pose Pretraining for Generalizable Vision-Language-Action Policies [83.39008378156647]
既存のVision-Language-Action(VLA)モデルは、しばしば機能崩壊と訓練効率の低下に悩まされる。
本稿では,VLAトレーニングを3次元空間前駆体抽出のための事前学習フェーズに分離する,分離されたパラダイムであるPose-VLAを提案する。
我々のフレームワークは2段階の事前学習パイプラインに従い、ポーズと動きのアライメントによる基本的な空間接地を確立する。
論文 参考訳（メタデータ） (2026-02-23T11:00:08Z) - On Triangulation as a Form of Self-Supervision for 3D Human Pose
Estimation [57.766049538913926]
ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。
最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。
本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
論文 参考訳（メタデータ） (2022-03-29T19:11:54Z) - Weakly-Supervised Physically Unconstrained Gaze Estimation [80.66438763587904]
我々は、人間のインタラクションのビデオから弱教師付き視線推定を行うという未発見の問題に対処する。
本稿では,タスクに特化して設計された新しい損失関数とともに,トレーニングアルゴリズムを提案する。
a)半教師付き視線推定の精度と(b)最先端の物理的に制約のないGaze360視線推定ベンチマーク上でのクロスドメイン一般化の精度を大幅に改善した。
論文 参考訳（メタデータ） (2021-05-20T14:58:52Z) - 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。