論文の概要: Impedance Cloning: Learning Equilibrium Point Parameters for Contact-Rich Manipulation

• arxiv url: http://arxiv.org/abs/2609.30842v1
• Date: Fri, 25 Sep 2026 05:36:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.238227
• Title: Impedance Cloning: Learning Equilibrium Point Parameters for Contact-Rich Manipulation
• Title（参考訳）: インピーダンスクローニング:コンタクトリッチ操作のための平衡点パラメータの学習
• Abstract要約: 観測可能な出力を再現する軌道に基づく模倣学習は、そのようなシフトの下で崩壊する。 本稿では,運動を発生させる生体機械的先行現象を模倣したインピーダンスクローニングを提案する。 これらのパラメータは結果ではなく意図を符号化するので、表面測地をまたいで一般化する。
• 参考スコア（独自算出の注目度）: 0.0874967598360817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contact-rich manipulation requires robots to regulate force against surfaces whose geometry deviates unpredictably from training conditions. Trajectory-based imitation learning, which reproduces observable outputs, breaks down under such shifts. We propose Impedance Cloning, which instead imitates the biomechanical priors that generate motion -- the stiffness and equilibrium point -- and thereby passively absorbs contact uncertainty. Because these parameters encode intent rather than outcome, they generalize across surface geometries where trajectory reproduction does not. We extract them from bilateral teleoperation demonstrations via a particle filter without force/torque sensors and evaluate the framework on two CRANE-X7 manipulators. In a wiping task with joint-space actions, the trajectory-based baseline loses contact below -6 cm, whereas the proposed method maintains a consistent 4-5 N contact force above -6 cm, with a gradual decrease below; with Cartesian-space actions, its force-height slope over 0 to +8 cm is 0.13 +/- 0.03 N/cm, versus 0.34-0.83 N/cm for fixed-impedance baselines. In a pick-and-place task with 10 diverse cups (100 trials), the proposed method succeeds in 84 trials, outperforming the fixed-impedance baseline (74/100) and performing comparably to a variable impedance control baseline (82/100) with one demonstration instead of ten. In a grasping task, the representation reduces torque tracking error with both ILBiT and Mamba backbones, confirming its generality across architectures.
• Abstract（参考訳）: 接触に富んだ操作では、トレーニング条件から予測不可能な幾何学が逸脱した表面に対して、ロボットが力を制御する必要がある。 観測可能な出力を再現する軌道に基づく模倣学習は、そのようなシフトの下で崩壊する。 本稿では, 生体機械の先駆体である硬さと平衡点の運動を模倣し, 接触不確かさを受動的に吸収するインピーダンスクローニングを提案する。 これらのパラメータは結果ではなく意図を符号化するので、軌道再生が起こらない表面測地を一般化する。 本研究では,2つのCRANE-X7マニピュレータ上で,力/トルクセンサを使わずに粒子フィルタによる双方向遠隔操作実験から抽出した。 共振器作用を有するワイピングタスクでは, トラジェクトリベースラインは6cm未満の接触を失うが, 提案手法は6cm以上で連続して4-5Nの接触力を維持でき, カルテシアン空間作用では0から+8cm以上の力-重勾配は0.13+/-0.03N/cm, 固定インピーダンスベースラインは0.34-0.83N/cmとなる。 10種類の多彩なカップ(100の試行)を用いたピック・アンド・プレース・タスクにおいて,提案手法は84の試行に成功し,固定インピーダンスベースライン(74/100)を上回り,可変インピーダンス制御ベースライン(82/100)を10ではなく1つのデモで比較可能とした。 把握タスクでは、ILBiTとMambaのバックボーンによるトルクトラッキングエラーを低減し、アーキテクチャ全体の一般化を確認する。

関連論文リスト

• Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations [18.553840933683897]
  Imp-ACTは、方向依存の剛性を直接デモコレクションに組み込むための方法論的および実践的なアプローチである。 遠隔操作中、自己調整インピーダンス制御器は、動きの即時方向に沿って剛性に適応する。 本研究では,Action Chunking with Transformer (ACT) を用いて,エンドエフェクタポーズ,グリップ動作,動き方向剛性を予測するパイプラインを実装した。
  論文  参考訳（メタデータ） (2026-09-25T13:04:37Z)
• GeoTrussRover: Morphological Computation with Contact-Semantic Control Primitives [14.616963248519639]
  GeoTrussRoverは、電気的に作動するVGT、車輪付きベース、および接点・接点形態計画と制御を組み合わせる。 フルスペースQPは、適応された動きを追跡し、部材と車輪の誤差を補正する。 結果として生じる低次元表現は、タスク調整を超冗長で負荷を伴う形態に格納し、移動中に再利用する。
  論文  参考訳（メタデータ） (2026-09-10T10:48:58Z)
• Behavior--Realization Separation for Constrained Physical Human--Robot Interaction [0.0]
  本稿では, メモリレスアフィン挙動を実現するリテーディングホライズン二次プログラムを実装した。 MuJoCoのトルク制御 7-DOF Franka FR3 では、実行時が解決するごとにタスク空間のダイナミクスを凍結し、水平方向にトルクの実現性を強制する。
  論文  参考訳（メタデータ） (2026-09-01T03:46:05Z)
• A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
  軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。 単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
  論文  参考訳（メタデータ） (2026-07-17T03:03:19Z)
• Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm [41.90412270641482]
  本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。 提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。 シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
  論文  参考訳（メタデータ） (2026-06-14T16:45:07Z)
• Contact Matrix: Enhancing Dance Motion Synthesis with Precise Interaction Modeling [43.632039701422464]
  本稿では,高品質なデータが少ないデュエットダンス(デュエットダンス)の典型的なシナリオに焦点を当てる。 これらの課題に対処するための新しい2段階フレームワークを提案する。 第1段階では、別個のボディ部エンコーダとジョイントデコーダを備えたモーションVQ-VAEを導入する。 第2段階では,反応運動生成のための接触認識拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-05-06T09:10:07Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks [13.17252299377244]
  インピーダンス制御は物理的相互作用を形作るが、実現可能なインピーダンスパラメータを選択することでタスク認識チューニングを必要とする。 両ドメインを組み合わせたフレームワークである拡散型インピーダンス学習を提案する。
  論文  参考訳（メタデータ） (2025-09-24T02:07:17Z)
• Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic Grasp Stability Metrics [70.65363356763598]
  解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。 幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。 第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
  論文  参考訳（メタデータ） (2021-09-23T09:20:19Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。