論文の概要: Calibration-Free Surface Normals Estimation in Vision-Based Tactile Sensing using Universal Photometric Stereo
- arxiv url: http://arxiv.org/abs/2609.31754v1
- Date: Wed, 23 Sep 2026 10:31:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 13:07:23.945111
- Title: Calibration-Free Surface Normals Estimation in Vision-Based Tactile Sensing using Universal Photometric Stereo
- Title（参考訳）: ユニバーサル測光ステレオを用いた視触覚センサの校正自由表面正規化推定
- Abstract要約: 視覚ベースの触覚センサは、リッチな接触表面形状をキャプチャするための一般的なソリューションである。
高精細接触面の正規度と深さを得るには、センサーを校正する必要がある。
本稿では,Universal Photometric Stereo ニューラルネットワークを用いた接触面正規分布推定のためのキャリブレーションフリー手法を提案する。
- 参考スコア（独自算出の注目度）: 4.086590548919504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-based tactile sensors are a popular solution for capturing rich contact surface geometry. However, to obtain high-detail contact surface normals and depth, it is necessary to calibrate the sensor by physically pressing a probe with known geometry against the sensor elastomer and mapping tactile images onto the ground truth probe's shape. This approach does not scale across different tactile sensors, and the calibration effort can be complex depending on the sensor shape and optical system. Instead, we propose a calibration-free procedure for the estimation of contact surface normals using Universal Photometric Stereo neural networks. In a series of real-world experiments, we evaluate our approach on 3 sensors with different optical systems, demonstrating that universal methods are a suitable approach for estimating surface normals at the contact patch from tactile images, thereby alleviating the need for tactile sensor calibration. Controlled experiments with a metal ball show that universal methods match the calibrated method, with a mean angular error of $6.56^{\Large\circ}$. We show that the proposed framework recovers high-frequency surface details of objects with natural textures, achieving an overall mean angular error of $10.66^{\Large\circ}$. Universal method robustly recovers the contact surface normals captured with dome-shaped Digit 360, achieving a low angular discrepancy of $10.18^{\Large\circ}$ relative to the calibrated baseline. This experiment demonstrates that with sufficient illumination settings surface normals could be estimated using a model trained solely on synthetic data. By providing a unified representation of contact surfaces across different vision-based tactile sensor designs, Universal Photometric Stereo neural networks lay the foundation for transferable tactile perception across sensors.
- Abstract（参考訳）: 視覚ベースの触覚センサは、リッチな接触表面形状をキャプチャするための一般的なソリューションである。
しかし, 高精度接触面の正常さと深度を得るためには, センサエラストマーに対して既知の形状のプローブを物理的に押圧し, 触覚画像を地上の真理プローブの形状にマッピングすることにより, センサの校正を行う必要がある。
このアプローチは異なる触覚センサにまたがってスケールせず、センサ形状や光学系によってキャリブレーションの労力が複雑になる可能性がある。
代わりに,Universal Photometric Stereo ニューラルネットワークを用いた接触面正規分布推定のためのキャリブレーションフリー手法を提案する。
触覚画像から接触パッチの表面の正常度を推定する手法としてユニバーサル手法が適していることを実証し,触覚センサの校正の必要性を軽減した。
金属ボールを用いた制御実験では、普遍的手法は校正法と一致し、平均角誤差は6.56^{\Large\circ}$である。
提案手法は自然テクスチャを持つ物体の高周波表面詳細を復元し, 全体の平均角誤差を10.66^{\Large\circ}$とする。
ユニバーサル・メソッドは、ドーム形状のDigit 360で捕獲された接触面の正規化を頑健に回収し、キャリブレーションされたベースラインに対して10.18^{\Large\circ} の低角差を達成している。
この実験は、照明条件が十分であれば、合成データのみに基づいて訓練されたモデルを用いて、表面の正常さを推定できることを示した。
異なる視覚ベースの触覚センサーの設計に接触面を統一的に表現することで、ユニバーサル・フォトメトリック・ステレオ・ニューラルネットワークは、センサー間の移動可能な触覚知覚の基礎を築いた。
関連論文リスト
- Toward Geometry-Scalable Whole-Body Touch for Humanoids: A 3D-Printed Conformal EIT Skin [66.36050076244905]
全体触覚は、接触に富むヒト環境で動作するヒューマノイドの前提条件である。
形状適応型電気触覚トモグラフィーを応用し, 形状適応型電気触覚トモグラフィーを作製した。
論文 参考訳（メタデータ） (2026-08-03T11:33:30Z) - Contact-Based Fringe Projection Profilometry for High-Resolution 3-D Surface Measurement of Reflective and Transparent Objects [6.476099146844611]
本稿では,Digital Fringe Projection(DFP)システムに基づく接触型3次元表面計測手法を提案する。
被覆シリコン接触面上で三角法に基づく3次元再構成を行う。
論文 参考訳（メタデータ） (2026-06-16T02:38:39Z) - GelSphere: An Omnidirectional Rolling Vision-Based Tactile Sensor for Online 3D Reconstruction and Normal Force Estimation [2.803505954180182]
本稿では,球面型触覚センサであるGelSphereについて紹介する。
従来の視覚ベースの触覚センサーは、局所的にしか感知できず、表面を横切ると損傷を受けます。
センサーはWi-Fi経由で触覚画像をストリームする。
論文 参考訳（メタデータ） (2026-03-14T20:22:52Z) - PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - NLiPsCalib: An Efficient Calibration Framework for High-Fidelity 3D Reconstruction of Curved Visuotactile Sensors [6.94308778422421]
NLiPsCalibは,曲線型ビゾタクタクタブルセンサの物理一貫性と効率的な校正フレームワークである。
さらに,NLiPsTacは,我々のフレームワークを検証するために開発された,制御可能な光源触覚センサである。
論文 参考訳（メタデータ） (2026-03-10T07:50:49Z) - Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。
本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。
スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
論文 参考訳（メタデータ） (2026-02-14T16:05:08Z) - DenseTact: Optical Tactile Sensor for Dense Shape Reconstruction [0.0]
視覚に基づく触覚センサは、リッチな触覚フィードバックが操作タスクのパフォーマンス向上と相関しているため、広く利用されている。
高解像度の既存の触覚センサーソリューションには、低い精度、高価なコンポーネント、スケーラビリティの欠如を含む制限がある。
本稿では,3次元センサの表面再構成のための高分解能表面変形モデルを用いた,安価でスケーラブルでコンパクトな触覚センサを提案する。
論文 参考訳（メタデータ） (2022-01-04T22:26:14Z) - A soft thumb-sized vision-based sensor with accurate all-round force
perception [19.905154050561013]
視覚ベースの触覚センサーは、安価な高解像度カメラとコンピュータビジョン技術の成功により、ロボットタッチへの有望なアプローチとして登場した。
我々はInsightという名前の、頑丈でソフトで低コストで、視覚ベースで親指サイズの3D触覚センサーを提示する。
論文 参考訳（メタデータ） (2021-11-10T20:46:23Z) - 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) - 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。