論文の概要: TacGooseBumps (TacGB): Retrofitting Normal-Only Tactile Sensors with Shear Encoding for Learning Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2609.34006v1
- Date: Sun, 27 Sep 2026 23:04:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.458319
- Title: TacGooseBumps (TacGB): Retrofitting Normal-Only Tactile Sensors with Shear Encoding for Learning Contact-Rich Manipulation
- Title（参考訳）: TacGooseBumps (TacGB):コンタクトリッチ操作学習のためのシーアエンコーディングによる正常触覚センサの再適合
- Abstract要約: 接触に富んだ政策はしばしば失敗する。なぜなら、異なる物理的状態は似ているが異なる行動を必要とするからである。
本稿では,既存のセンサの圧力マップのパターン変化として,タンジデンシャルローディングを機械的にエンコードするパッシブドームフィルムであるTacGooseBumpsを紹介する。
4つの模倣学習タスクと2つのデータ収集パイプラインで、TacGBは目標達成、効率、接触品質を改善している。
- 参考スコア（独自算出の注目度）: 54.86974994302033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contact-rich policies often fail because distinct physical states look alike yet require different actions. Cameras may not reveal whether a connector is aligned or fully seated, while many normal-only tactile sensors can miss the tangential interactions perpendicular to the grasping direction that distinguish these states. We ask whether a learning policy needs calibrated shear measurements, or only a repeatable observation that separates shear-dependent contact states. We introduce TacGooseBumps (TacGB), a passive domed film that mechanically encodes tangential loading as pattern changes in an existing sensor's pressure map. Tangential loading tilts each dome and redistributes pressure across its footprint; an end-to-end policy consumes the resulting maps without added electronics, force reconstruction, or taxel-level dome alignment. Across four imitation-learning tasks and two data-collection pipelines, TacGB improves goal attainment, efficiency, and contact quality: insertion success increases by up to 36 percentage points, and successful insertions are completed faster, while fragile-object placement becomes gentler and drawing becomes more continuous and straight. Signal, stage-wise, failure-mode, and trajectory analyses link these gains to contact regimes in which task-relevant tangential interactions are poorly resolved by vision and normal pressure alone. Together, these results show that shear need not be measured metrically to benefit robot learning; it can instead be mechanically encoded without changing the underlying tactile sensor or the policy's pressure-map input format.
- Abstract（参考訳）: 接触に富んだ政策はしばしば失敗する。なぜなら、異なる物理的状態は似ているが異なる行動を必要とするからである。
カメラは、コネクタが整列されているか、完全に座っているかを明らかにしないが、通常の触覚センサーの多くは、これらの状態を識別する把握方向と直交する接点相互作用を見逃すことがある。
学習方針は, せん断測定を校正する必要があるのか, あるいは, せん断依存の接触状態を分離する観察のみが必要であるのかを問う。
本稿では,既存のセンサの圧力マップのパターン変化として,タンジデンシャルローディングを機械的にエンコードするパッシブドームフィルムであるTacGooseBumps(TacGB)を紹介する。
タンジェンシャル・ローディングは各ドームを傾け、フットプリント全体に圧力を再分配し、エンド・ツー・エンドのポリシーでは、電子部品や力再構成、タッセルレベルのドームアライメントを使わずに、結果の地図を消費する。
4つの模倣学習タスクと2つのデータ収集パイプラインで、TacGBは目標達成率、効率、接触品質を改善し、挿入成功は最大36ポイントまで増加し、成功した挿入はより早く完了する。
信号、ステージワイド、障害モード、軌道解析は、これらの利得を、視覚と正常な圧力だけでタスク関連な接点相互作用が不十分な接触状態にリンクする。
これらの結果から,ロボット学習のためには,せん断を計量的に測定する必要がなく,その代わりに,基礎となる触覚センサやポリシの圧力マップ入力形式を変更することなく,機械的に符号化できることがわかった。
関連論文リスト
- HapticWAM: Distilling Imagined Touch into a World-Action Model without Inference-Time Tactile Sensing [1.9182058480922208]
ヘテロジニアスな触覚符号化, 構造的接触予測, 教師-学生蒸留を組み合わせた世界行動モデルHapticWAMを紹介する。
触覚ピクセルのみを予測するのではなく、モデルではアクションと将来のイベントとメカニックを記述するコンタクトパッケージを共同で生成する。
予測接触結合は、以前想像されたパッケージを使用して注意を喚起し、直接触覚観察が不可能な場合に接触関連入力を保存する。
論文 参考訳（メタデータ） (2026-09-20T21:49:50Z) - Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。
これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。
本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
論文 参考訳（メタデータ） (2026-06-29T08:20:18Z) - Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。
物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。
我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
論文 参考訳（メタデータ） (2026-05-27T17:59:02Z) - Contact-Grounded Policy: Dexterous Visuotactile Policy with Generative Contact Grounding [5.936373185672394]
Contact-Grounded Policy (CGP) は、実際のロボット状態と触覚フィードバックの複合軌跡を予測することで、多点接触を根拠とするビゾタクティルポリシーである。
CGPは, (i) 圧縮潜在空間における将来のロボットの状態と触覚フィードバックを予測する条件拡散モデル, (ii) 学習された接触一貫性マッピングの2つのコンポーネントから構成される。
指先触覚センサDgit360を用いた4本指のAllegro V5手と,高密度全手触覚アレイを用いた5本指のTesollo DG-5F手を用いてCGPを評価した。
論文 参考訳（メタデータ） (2026-03-05T21:22:49Z) - Touch2Insert: Zero-Shot Peg Insertion by Touching Intersections of Peg and Hole [15.791523980428538]
任意のペグ挿入のための触覚ベースのフレームワークであるemphTouch2Insertを提案する。
本手法は,高解像度触覚画像から断面形状を再構成し,孔の相対的なポーズを0ショットで推定する。
結果,Touch2Insertはシミュレーションにおいてすべてのコネクタのサブミリポーズ推定精度を達成し,実ロボットの平均成功率は86.7%に達した。
論文 参考訳（メタデータ） (2026-03-04T01:35:33Z) - 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) - TaSA: Two-Phased Deep Predictive Learning of Tactile Sensory Attenuation for Improving In-Grasp Manipulation [45.60949380395733]
人間は、物体と複数の指の同時接触を伴う、物体のピンチや道具の使用など、さまざまな手動操作を行うことができる。
なぜなら、このような巧妙な操作は、自己接触によって生じる触覚と、外部との接触から生じる感覚を区別する必要があるからだ。
本稿では,2段階の深層予測学習フレームワークであるTaSAを紹介する。第1フェーズでは,ロボット自身の動作が触覚フィードバックをいかに生成するかをモデル化して,自己触覚のダイナミクスを明示的に学習する。
第2フェーズでは、この学習モデルを運動学習フェーズに組み込んで対象を強調する。
論文 参考訳（メタデータ） (2026-02-05T09:16:06Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。
TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。
高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
論文 参考訳（メタデータ） (2026-01-28T04:22:47Z) - Learning Precise, Contact-Rich Manipulation through Uncalibrated Tactile Skins [17.412763585521688]
我々は、トランスフォーマーベースのポリシーを使用して、皮膚センサーデータを視覚情報とともに追加トークンとして扱うシンプルなアプローチであるVisuo-Skin(ViSk)フレームワークを提案する。
ViSkは、視力のみと光触覚に基づくポリシーの両方で著しく優れています。
さらに、触覚と視覚のモダリティを組み合わせることで、政策性能と空間的一般化が向上し、タスク全体で平均27.5%の改善が達成される。
論文 参考訳（メタデータ） (2024-10-22T17:59:49Z)
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。