論文の概要: Multi-Modal Non-Prehensile Estimation of Physical Parameters via Press-and-Pull Tipping

• arxiv url: http://arxiv.org/abs/2609.33138v1
• Date: Sun, 27 Sep 2026 03:11:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:07:02.494034
• Title: Multi-Modal Non-Prehensile Estimation of Physical Parameters via Press-and-Pull Tipping
• Title（参考訳）: プッシュ・アンド・プル・タイピングによる物理パラメータのマルチモーダル非定常推定
• Abstract要約: 我々は, 物体の質量, 質量高さ, 表面摩擦を回復するために, プレス・プル・チップ・プリミティブとスライディング・インタラクションを組み合わせたマルチモーダル推定フレームワークを提案する。 2つの相補的な相互作用モードから物理的パラメーターを推定するために、リストフォース/トルクセンシング、RGB-D知覚、ロボット・プロプレセプションを融合させる。 その結果、相補的な非包括的相互作用は、把握、先行オブジェクトモデル、学習された相互作用のダイナミクスなしに、コンパクトな物理パラメータの集合を回復できることを示した。
• 参考スコア（独自算出の注目度）: 12.875407038678366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recovering physical properties of unknown objects through non-prehensile interaction is challenging because no single manipulation primitive reveals all relevant parameters. Planar pushing couples mass and friction, while conventional tipping cannot recover friction and may fail entirely when low-friction or curved-base objects slide or rotate instead of tipping. We introduce a multi-modal estimation framework that combines a sliding interaction with a press-and-pull tipping primitive to recover object mass, center of mass height, and surface friction. The press-and-pull interaction increases the object-table sliding threshold and stabilizes the pivot, enabling controlled tipping without any prior geometric object model. Wrist force/torque sensing, RGB-D perception, and robot proprioception are fused to estimate the physical parameters from the two complementary interaction modes. Experiments on an ABB IRB120 across four objects with varied geometry, mass, center of mass, and friction achieve low relative error, while successfully operating on curved-base objects that fail under conventional forward tipping. The results demonstrate that complementary non-prehensile interactions can recover a compact set of physical parameters without grasping, a prior object model, or learned interaction dynamics.
• Abstract（参考訳）: 非包括的相互作用による未知のオブジェクトの物理的特性の復元は、単一の操作プリミティブがすべての関連するパラメータを明らかにすることはないため、困難である。 平面プッシュは質量と摩擦を結合するが、従来のテーピングは摩擦を回復できず、低摩擦または湾曲したベースオブジェクトがテーピングの代わりにスライドしたり回転したりすると完全に失敗する可能性がある。 我々は, 物体の質量, 質量高さ, 表面摩擦を回復するために, プレス・プル・チップ・プリミティブとスライディング・インタラクションを組み合わせたマルチモーダル推定フレームワークを提案する。 プレス・アンド・プル相互作用は、オブジェクトテーブルのスライディング閾値を増大させ、ピボットを安定化させ、事前の幾何学的対象モデルなしで制御されたチップを可能にする。 2つの相補的な相互作用モードから物理的パラメーターを推定するために、リストフォース/トルクセンシング、RGB-D知覚、ロボット・プロプレセプションを融合させる。 幾何、質量、質量の中心、摩擦の異なる4つの物体にわたるABB IRB120の実験は相対誤差を低くし、従来の前方の先端で失敗する曲線ベースの物体をうまく操作する。 その結果、相補的な非包括的相互作用は、把握、先行オブジェクトモデル、学習された相互作用のダイナミクスなしに、コンパクトな物理パラメータの集合を回復できることを示した。

関連論文リスト

• Real-Time Force Regulation for Whole-Hand Dexterous Grasping [56.253219596767075]
  本報告では, 接触の動的変化に対するリアルタイム力規制の枠組みについて述べる。 本手法は, 触覚を必要とせず, 全ハンドリンクにまたがる接触を幾何学的に推定する。 我々は,この力調節制御系を反応的リーチと統合し,手の動きを把握し,乱れ下で保持し,物体を失くした後の再生を可能にする。
  論文  参考訳（メタデータ） (2026-09-24T16:31:51Z)
• ForceTwin: Physics-informed Digital Twins for Robotic Manipulation from Instrumented Human Interaction [50.52713367623184]
  ForceTwin(フォーストイン)は、計測された人間との相互作用から、音声で表現された物体の物理情報を持つデジタル双対を識別するシステムである。 我々は, 慣性, クーロン摩擦, 減衰, 構造的残効状態依存機構力を含む調音, パラメトリックダイナミクスを推定する。 特定された双子を使って、全身のドア・トラバーサルポリシーを訓練し、現実世界に展開します。
  論文  参考訳（メタデータ） (2026-09-18T13:26:32Z)
• Before the Tipping Point: Force-Guided Active Perception for Shape-Agnostic Estimation of 3D Centers of Mass [12.875407038678366]
  未知物体の質量の3次元中心を推定することは、把握が不可能、幾何学が不規則、あるいは質量分布が不均一である場合に困難である。 本稿では,ロボットマニピュレータによる1つのサブクリティカルチップ実験から,CoMの高さと質量を推定する力に基づく手法を提案する。
  論文  参考訳（メタデータ） (2026-09-11T14:22:24Z)
• PhyPush: One Push is All You Need for Sensorless Physical Property Estimation with Physics-Guided Transformers [2.032261439690125]
  本稿では,物理誘導型トランスフォーマーフレームワークであるPhyPushについて述べる。 シミュレーションでは、全力情報へのアクセスを特権とするベースラインと比較して、エラーを10%以上削減する。 その結果、物理誘導学習は、低コストでセンサ効率の良い物理特性推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2026-05-25T19:14:43Z)
• Industrial Dual-Arm Box Handling via Online Inertial Estimation and Convex Wrench Optimization [5.026843146697991]
  産業用ロボットのオブジェクトハンドリングは、しばしば、前もって質量と質量の中心が分かっていない箱やパッケージを伴っている。 本稿では、未知の慣性特性を持つ物体に対する摩擦対応デュアルアームボックスハンドリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-21T05:40:59Z)
• Tendon-Driven Reciprocating and Non-Reciprocating Motion via Snapping Metabeams [0.0]
  反動運動と非反動運動の両方を生み出すために、スパイラルベースメタビームからなる腱駆動機構を開発した。 スパイラル幾何学はPLAのような比較的硬い材料から作られた場合でも大きな可逆変形を可能にする。 開発されたメカニズムは水泳ロボットにさらに統合され、腱駆動のフィンは2つの異なるアクティベーションモードを示した。
  論文  参考訳（メタデータ） (2026-02-20T16:35:51Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• Physical Interaction: Reconstructing Hand-object Interactions with Physics [17.90852804328213]
  本稿では, 復元のあいまいさを解消する物理に基づく手法を提案する。 まず、手動物体の力に基づく動的モデルを提案し、これは観測されていない接触を回復し、また可塑性接触力の解法である。 実験により,提案手法は物理的に可塑性とより正確な手-物体相互作用の両方を再構成することを示した。
  論文  参考訳（メタデータ） (2022-09-22T07:41:31Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)

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。