論文の概要: Learning tactile perception from high-bandwidth single-point sensing
- arxiv url: http://arxiv.org/abs/2609.24621v2
- Date: Wed, 23 Sep 2026 21:57:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.304106
- Title: Learning tactile perception from high-bandwidth single-point sensing
- Title（参考訳）: 高帯域単一点センシングによる触覚の学習
- Abstract要約: SpectRobotは、単一点触覚信号をコンパクトな時間周波数スペクトログラムに変換するフレームワークである。
SpectRobotは、スパースで高帯域幅の単一点測定に含まれるリッチなダイナミクスを利用する。
- 参考スコア（独自算出の注目度）: 0.05097809301149341
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tactile sensing is increasingly being incorporated into learning-based robotic manipulation, yet many existing approaches rely on spatially distributed sensors. Here we introduce {SpectRobot}, a framework that transforms single-point tactile signals into compact time-frequency spectrograms. These spectrograms encode high-bandwidth tactile histories as fixed-size image-like representations. They can be processed by standard vision encoders and integrated into learning pipelines originally developed for vision, while preserving temporal and frequency information unavailable to conventional cameras. Rather than increasing spatial density through arrays of tactile elements, SpectRobot exploits the rich dynamics contained in sparse, high-bandwidth single-point measurements. In our implementation, the sensors are mounted away from the contact surface while remaining mechanically coupled to it, reducing direct exposure to wear and potentially improving robustness in harsh environments and for long-term deployment on dexterous robots. Our experiments demonstrate that: (1) a robot can exploit single-point vibration signals to solve a visually occluded manipulation task; (2) temporal history strongly influences policy performance, while sensing bandwidth controls the spectral information available, with measurements extending to 100~kHz; and (3) the same representation can be used across different tactile sensing technologies mediated by acceleration, force, or strain. We further show that capabilities previously associated with research-grade instrumentation can be accessed using readily available, off-the-shelf hardware. We believe that broader access to high-bandwidth tactile sensing could facilitate the integration of contact dynamics into embodied learning systems and, for some tasks, offer an alternative or complement to increasing the spatial density of tactile sensing.
- Abstract（参考訳）: 触覚は、学習に基づくロボット操作にますます取り入れられているが、既存の多くのアプローチは空間的に分散されたセンサーに依存している。
本稿では,単一点触覚信号をコンパクトな時間周波数スペクトログラムに変換するフレームワークである {SpectRobot} を紹介する。
これらのスペクトログラムは、固定サイズのイメージライクな表現として、高帯域の触覚履歴を符号化する。
標準的なビジョンエンコーダで処理でき、従来のカメラでは利用できない時間と周波数情報を保存しながら、もともと視覚用に開発された学習パイプラインに統合することができる。
触覚要素の配列を通して空間密度を増大させる代わりに、SpectRobotはスパースで高帯域幅の単一点測定に含まれるリッチなダイナミクスを利用する。
本実装では, センサを接触面から離し, 機械的に結合した状態で装着し, 摩耗への直接曝露を低減し, 厳しい環境下での堅牢性を向上し, 老朽化したロボットへの長期展開を可能にする。
実験では,(1)ロボットが単一点振動信号を利用して視覚的に隠蔽された操作タスクを解くこと,(2)時間的履歴が政策性能に強く影響を与えること,(2)知覚帯域幅が100〜kHzの範囲で利用可能なスペクトル情報を制御すること,(3)加速度,力,ひずみを介する様々な触覚センシング技術で同じ表現が利用できること,などが実証された。
さらに,従来は市販のハードウェアを使用して,研究グレードのインスツルメンテーションに関連付けられた機能にアクセス可能であることを示す。
高帯域の触覚センサへの広範なアクセスは、接触ダイナミクスを具体化学習システムに統合し、いくつかのタスクにおいて、触覚センサの空間密度を増加させる代替または補うことができると信じている。
関連論文リスト
- Tactile-JEPA: Topology-Aware Self-Supervised Representation Learning for Distributed Tactile Sensors [2.4125773245468927]
本稿では,触覚エンコーダの自己教師型事前学習手法であるTactile-JEPAを提案する。
Tactile-JEPAは、従来の最先端技術に比べて、力推定誤差を6.3%減らし、手前方向誤差を20.8%減らしている。
論文 参考訳（メタデータ） (2026-09-21T10:22:06Z) - Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。
提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
論文 参考訳（メタデータ） (2026-08-25T07:25:27Z) - Detection and Ranging of Transient Extrinsic Contacts Based on 6D Dynamic Tactile Sensing [5.84990179018828]
TECDAR(Transient extrinsic Contact Detection and Range)は、つかんだ物体の接触を検出して測る簡便かつ効率的な方法である。
高い帯域幅とコンパクトなデータサイズにより、システムはつかんだオブジェクトとその周辺との接触を迅速に検出し、ローカライズすることができる。
我々は,ロボットの未来を推し進める技術として,精密組立,外科的補助,触覚優位環境における自律的な探索を想定する。
論文 参考訳（メタデータ） (2026-08-07T10:27:37Z) - Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration [50.18488308004802]
Sen-Capは、LiDARとカメラのマルチモーダルデータを統合した3Dモーションキャプチャフレームワークである。
Sen-CapはHuman-M3とFreeMotionの主要なメトリクスで最先端のパフォーマンスを達成する。
この柔軟性と堅牢性の組み合わせは、現実のシナリオにおけるモーションキャプチャの新しい機会を開放する。
論文 参考訳（メタデータ） (2026-08-03T14:16:18Z) - T-Rex: Tactile-Reactive Dexterous Manipulation [139.71263755530654]
本稿では,新しい時相触覚VQ-VAEエンコーダを備えた可変レートMixture-of-Transformers (MoT)アーキテクチャを提案する。
微妙な力制御と変形可能な物体操作を必要とする12の操作課題に対して,触覚反応が有効であることを示す。
論文 参考訳（メタデータ） (2026-06-15T17:59:55Z) - 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) - Neuromorphic BrailleNet: Accurate and Generalizable Braille Reading Beyond Single Characters through Event-Based Optical Tactile Sensing [15.272279362550806]
Evetac を用いた連続点字認識のための高精度リアルタイムパイプラインを提案する。
フレームベースの視覚システムとは異なり、ニューロモルフィック触覚モダリティは連続的なスライディング中に動的接触イベントを直接符号化する。
提案システムは,標準深度でほぼ完全な精度 (>=98%) を達成し,複数の点字板レイアウトを一般化し,高速走査下での強い性能を維持する。
論文 参考訳（メタデータ） (2026-01-27T01:33:13Z) - Vision Guided MIMO Radar Beamforming for Enhanced Vital Signs Detection
in Crowds [26.129503530877006]
本研究では,レーダ内のデジタルビームフォーミングを誘導するために,視覚センサを活用する新しいデュアルセンシングシステムを開発した。
キャリブレーションされた双対システムは、視野内における3次元空間で約2センチメートルの精度を75円×65円で、2メートルの範囲で達成する。
論文 参考訳（メタデータ） (2023-06-18T10:09:16Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Learning to Detect Slip with Barometric Tactile Sensors and a Temporal
Convolutional Neural Network [7.346580429118843]
本研究では,バロメトリック・触覚センサを用いたスリップ検出手法を提案する。
我々は、スリップを検出するために時間畳み込みニューラルネットワークを訓練し、高い検出精度を実現する。
データ駆動学習と組み合わせたバロメトリック触覚センシング技術は,スリップ補償などの操作作業に適している,と我々は主張する。
論文 参考訳（メタデータ） (2022-02-19T08:21:56Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
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。