論文の概要: Simple Torque-Observation Alignment for Zero-Shot Sim-to-Real Grasping with a Direct-Drive Gripper

• arxiv url: http://arxiv.org/abs/2609.29031v1
• Date: Thu, 24 Sep 2026 05:03:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.731069
• Title: Simple Torque-Observation Alignment for Zero-Shot Sim-to-Real Grasping with a Direct-Drive Gripper
• Title（参考訳）: 直動グルーパーを用いたゼロショット・シム・トゥ・リアルグルーピングのための簡易トルク観測アライメント
• Abstract要約: 直接駆動アクチュエータを用いたロボットの簡単なトルク観察アライメント法を提案する。 モータ電流は、モータタイプ固有のトルク定数K_tauを介して、関節トルクに直線的にマッピングされる。 提案手法と代替アライメント変種を9つの分布内(ID)オブジェクト上で比較したアブレーション実験を行った。
• 参考スコア（独自算出の注目度）: 4.598282216387432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Torque observations in reinforcement learning remain challenging because simulated and measured torque differ in scale, offset, and noise. In this paper, we propose a simple torque observation alignment method for robots with direct-drive (DD) actuators, in which motor current maps linearly to joint torque through a motor-type-specific torque constant K_tau. First, dynamometer calibration identifies K_tau* and corrects the scale mismatch between simulated and real torque. Second, the method uses delta_tau(t) = tau(t) - tau(t-1) as the observation in both domains to eliminate the constant offset instead of using the direct torque tau(t), which carries a domain-dependent bias. Third, Gaussian noise obtained from the dynamometer measurement data is injected during the learning process. To validate the proposed method, we train a teacher-student grasping policy entirely in simulation and deploy the distilled student on a multifingered DD gripper. The deployed policy performs proprioceptive grasping using only joint positions and torque differences. We conduct an ablation study comparing the proposed method with alternative alignment variants on nine in-distribution (ID) objects. The proposed method achieves 100% grasp success. These results demonstrate that the proposed alignment method improves the robustness of zero-shot policy transfer on the DD gripper against real-world torque-observation mismatches.
• Abstract（参考訳）: 補強学習におけるトルク観測は, スケール, オフセット, ノイズの違いから, 模擬および測定されたトルクが異なるため, 依然として困難である。 本稿では,直動アクチュエータを有するロボットに対して,モータ型比トルク定数K_tauを介してモータ電流をジョイントトルクに線形にマッピングする簡単なトルク観察アライメント手法を提案する。 まず、ダイナモメーターキャリブレーションによりK_tau*が特定され、模擬トルクと実トルクのスケールミスマッチが補正される。 第2に、デルタ_tau(t) = tau(t) - tau(t-1) を用いて、ドメイン依存バイアスを持つ直接トルク tau(t) を使用する代わりに、両領域の観測を行う。 第3に、ダイナモメーター測定データから得られたガウスノイズを学習過程で注入する。 提案手法を検証するため,本研究は,教師学生の学習指導方針をシミュレーションで完全に訓練し,蒸留した学生を多指DDグリップに配置する。 展開されたポリシーは、関節位置とトルク差のみを用いて、受容的把握を行う。 提案手法と代替アライメント変種を9つの分布内(ID)オブジェクト上で比較したアブレーション実験を行った。 提案手法は100%の把握成功を実現する。 これらの結果から,提案手法は実世界のトルク-観測ミスマッチに対するDDグリップのゼロショットポリシー伝達の堅牢性を向上させることが示唆された。

関連論文リスト

• Estimation of Spacecraft Inertia Tensor Using Attitude-Only Data from Torque-Free Motion [0.0]
  宇宙船の正常化慣性テンソルを回転運動から推定するための姿勢のみの枠組みを提案する。 500秒のアークを用いた試験では、拡張カルマンフィルタと比較して、慣性テンソル誤差を約1桁削減した。 3つの100秒弧からの合同推定は、同様の精度の向上をもたらし、1桁以上も高速に維持された。
  論文  参考訳（メタデータ） (2026-08-09T19:59:02Z)
• Taming Curvature: Architecture Warm-Up for Stable Transformer Training [52.6838951211596]
  本稿では,Hessian-vector製品を用いた暖かくスタートした変種に基づく最大(プレコンディション付き)Hessian固有値(曲率)の高速オンライン推定手法を提案する。 トレーニングの不安定性は、事前条件付き曲率の急激な上昇と一致し、曲率の深さが増加する。 大規模変圧器の実験により,本手法が効率的な曲率追跡を可能にし,不安定性を低減できることを確認した。
  論文  参考訳（メタデータ） (2026-06-15T14:16:56Z)
• Implicit Drifting Policy: One-Step Action Generation via Conditional Expert Geometry [46.0185525503119]
  Implicit Drifting Policy (IDP)は、ロボット制御のための一段階の模倣学習フレームワークである。 IDPは、明示的なベクトル場推定なしでポリシー学習にドリフトの訓練時間補正をもたらす。
  論文  参考訳（メタデータ） (2026-05-31T08:39:57Z)
• Curvature-Guided LoRA: Steering in the pretrained NTK subspace [60.35296431630704]
  本稿では,PEFTを用いて得られた予測器と,出力レベルにおける完全微調整の予測器との整合性を考慮した予測アライメント問題を提案する。 我々は、この目的が自然に、ニュートンのような、曲率ホワイトの勾配に対応する最適な低ランク更新を行う、曲率対応の2階定式化につながることを示した。 この知見に基づいて、局所曲率情報を用いて適応方向を選択し、スケールする曲率誘導LoRA(CG-LoRA)を提案する。
  論文  参考訳（メタデータ） (2026-03-31T14:46:39Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Adaptive Gaussian Mixture Models-based Anomaly Detection for under-constrained Cable-Driven Parallel Robots [0.0]
  本稿では,センサを追加せずに,トルクデータのみを用いて異常を検出できるかどうかを検討する。 ガウス混合モデル(GMM)に基づく適応無教師外乱検出アルゴリズムを導入した。 提案手法は,100%真の正の速度と95.4%の平均真の負の速度を1秒間検出遅延で達成する。
  論文  参考訳（メタデータ） (2025-07-10T12:52:19Z)
• Physical spline for denoising object trajectory data by combining splines, ML feature regression and model knowledge [0.0]
  本稿では,騒音測定データから動的駆動状態(位置,速度,加速度,方向)を推定する方法を提案する。 提案手法は完全な観測と部分的な観測の両方に有効である。
  論文  参考訳（メタデータ） (2025-04-08T19:53:57Z)
• Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
  本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。 提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。 我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
  論文  参考訳（メタデータ） (2025-04-03T09:57:51Z)
• DoorINet: Door Heading Prediction through Inertial Deep Learning [2.594420805049218]
  慣性センサーは様々な用途で広く使われている。 このような課題に対処するため、姿勢基準系アルゴリズムを適用する。 室内環境では、磁力計は性能を低下させる干渉に悩まされる。 ドアマウント型,低コストな慣性センサから方向角を計算するための,エンドツーエンドのディープラーニングフレームワークであるDoorINetを提案する。
  論文  参考訳（メタデータ） (2024-01-24T05:28:29Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)

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。