論文の概要: TactileStep: Sole Tactile Learning for Regulating Foot-Terrain Interaction in Humanoid Locomotion
- arxiv url: http://arxiv.org/abs/2609.28959v1
- Date: Thu, 24 Sep 2026 03:13:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.688602
- Title: TactileStep: Sole Tactile Learning for Regulating Foot-Terrain Interaction in Humanoid Locomotion
- Title（参考訳）: TactileStep:Humanoid Locomotionにおける足と足の相互作用制御のためのソロ触覚学習
- Abstract要約: ヒューマノイド・パーサー・ポリシーは様々な地形を横切ることができるが、タスク完了は厳しい着陸、エッジ・コンタクト、不安定なスタンス・コンタクトの課題を隠蔽する可能性がある。
我々は、よりソフトなタッチダウンとより安定したサポートのためのヒューマノイドロコモーション制御に、単独の圧力センシングをもたらす、デプロイ可能な触覚学習フレームワークであるTactileStepを開発した。
触覚と動きの手がかりを用いて、異なる足の接触位相を認識し、より安全な着陸とより安定した姿勢を促す相認識報酬を適用します。
- 参考スコア（独自算出の注目度）: 33.433356550134384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid parkour policies can traverse various terrains, but task completion may mask challenges of harsh landings, edge contacts, and unstable stance contacts. Humans naturally regulate foot-terrain interaction through tactile feedback, modulating contact compliance according to terrain stiffness. This highlights a key domain gap between humans and humanoid robots: the absence of rich tactile sensing in most humanoid systems. We address this problem with TactileStep, a deployable tactile learning framework that brings sole pressure sensing into humanoid locomotion control for softer touchdowns and more stable support. TactileStep aligns tactile simulation with the real pressure insole, allowing the policy to learn from the same contact features available on hardware. During training, we use tactile and motion cues to recognize different foot-contact phases and apply phase-aware rewards that encourage safer landing and more stable stance. Evaluated in simulation and on a Unitree G1 humanoid across diverse terrains, TactileStep reduces peak touchdown force by up to 48.8% and peak A-weighted impact noise by up to 30.1 dB over a strong perceptive baseline, while increasing stance contact area by up to 23.8%.
- Abstract（参考訳）: ヒューマノイド・パーサー・ポリシーは様々な地形を横切ることができるが、タスク完了は厳しい着陸、エッジ・コンタクト、不安定なスタンス・コンタクトの課題を隠蔽する可能性がある。
人間は触覚フィードバックを通じて自然に足と脚の相互作用を調節し、地形の硬さに応じて接触コンプライアンスを調節する。
これは、人間とヒューマノイドロボットの主な領域のギャップを浮き彫りにしている。
この問題に対処するTactileStepはデプロイ可能な触覚学習フレームワークで、よりソフトなタッチダウンとより安定したサポートのためのヒューマノイドロコモーションコントロールに、単独の圧力センサーを提供する。
TactileStepは、触覚シミュレーションと実際の圧力インソールを合わせることで、ハードウェアで利用可能な同じコンタクト機能からポリシーを学ぶことができる。
トレーニング中、触覚と運動の手がかりを用いて異なる足の接触位相を認識し、より安全な着陸とより安定した姿勢を促す相認識報酬を適用します。
シミュレーションおよび様々な地形におけるユニトリーG1ヒューマノイドの評価において、タクティルステップはピークのタッチダウン力を最大48.8%減らし、A重み付き衝撃音を最大30.1dB減らし、姿勢接触面積を最大23.8%増す。
関連論文リスト
- Tactile-Proprioceptive Sensor Fusion for Contact Wrench Estimation in Whole-Body Physical Human-Robot Interaction [6.839826083147316]
本稿では,自然界における人間-ロボットインタラクションのための触覚・受容型センサー融合フレームワークを提案する。
空気圧スキンパッドからの触覚は、摩擦残留物と応用外力の間のあいまいさを回避できる接触指標として機能する。
ロボット表面上の多軸接触力を再構成するために、モータ電流によるプロプレセプションを用いてこれらのキューを融合する。
論文 参考訳（メタデータ） (2026-05-27T12:47:25Z) - A Robust Antenna Provides Tactile Feedback in a Multi-legged Robot [5.006987439719138]
周辺地形をリアルタイムに検知できる多脚ロボット用触覚アンテナの開発を行った。
障害物に富んだ環境と制限された環境での実験は、触覚フィードバックが信頼できるステアリングを可能にすることを示した。
論文 参考訳（メタデータ） (2026-03-08T20:28:55Z) - Soft Surfaced Vision-Based Tactile Sensing for Bipedal Robot Applications [2.6432141226459334]
本稿では、両足歩行ロボットに接触変形を光学的に捉えた皮膚のような変形可能な層を具備した視覚型触覚足センサを提案する。
本手法は,接触姿勢を推定し,せん断を可視化し,圧力の中心を計算し,地形を分類し,接触パッチの幾何学的特徴を検出する。
これらのことから,触覚を足足に組み込むことで,安定性,適応性,環境意識が向上することが示唆された。
論文 参考訳（メタデータ） (2026-02-20T22:16:49Z) - Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。
本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。
我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
論文 参考訳（メタデータ） (2026-02-17T18:59:11Z) - SENSE-STEP: Learning Sim-to-Real Locomotion for a Sensory-Enabled Soft Quadruped Robot [6.072947394612051]
触覚吸引カップ足を備えた空気圧作動式ソフト四足歩行のための学習ベース制御フレームワークを提案する。
実際のロボットに配備すると、クローズドループポリシーはオープンループベースラインよりも優れ、平坦な表面では前方速度が41%増加し、5度の傾斜では91%向上する。
論文 参考訳（メタデータ） (2026-02-13T16:37:29Z) - Locomotion Beyond Feet [35.148387990120014]
Locomotion Beyond Feetは、挑戦的な地形を横断する全身のヒューマノイド・ロコモーションのための総合システムである。
我々のアプローチは、コンタクトリッチなモーションプランニングと、多様な地形における一般化という、2つの主要な課題に対処する。
キーフレームは人間のモータースキルの知識を符号化し、具体化に特化しており、シミュレーションやハードウェア上で容易に検証できる。
論文 参考訳（メタデータ） (2026-01-07T05:36:39Z) - Shoe Style-Invariant and Ground-Aware Learning for Dense Foot Contact Estimation [55.03114420454759]
ゼロ速度制約を用いた足の接触を近似し, 関節レベル接触に着目した既存手法
この相互作用を正確にモデル化するには,足の接触度の推定が重要である。
本稿では,靴スタイルの不変性や地面認識学習と密接な足の接触を学習するFEet Contact推定フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-27T07:50:47Z) - Tactile Estimation of Extrinsic Contact Patch for Stable Placement [64.06243248525823]
本稿では,複雑な物体を積み重ねることを学ぶロボットのためのフィードバックスキルの設計について述べる。
つかんだ物体とその環境間の接触パッチを,力と触覚の観測により推定する。
論文 参考訳（メタデータ） (2023-09-25T21:51:48Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z)
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。