論文の概要: PneuTac: Tactile Manipulation with Soft Pneumatic Robots via Unified MPM-Gaussian Splatting Simulation
- arxiv url: http://arxiv.org/abs/2609.38418v1
- Date: Tue, 29 Sep 2026 19:12:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.631123
- Title: PneuTac: Tactile Manipulation with Soft Pneumatic Robots via Unified MPM-Gaussian Splatting Simulation
- Title（参考訳）: MPM-Gaussian Splatting シミュレーションによるソフト空気圧ロボットによる触覚操作
- Abstract要約: ソフト空気圧ロボットを用いた触覚フィードバック操作のための統合フレームワークであるPneuTacを提案する。
リアル・トゥ・シム・モデリングは単純な視覚に基づく手法で行われ、アクションと知覚ネットワークを訓練する。
PneuTacは触覚センサーでソフトロボットを正確にモデル化できることを示す。
- 参考スコア（独自算出の注目度）: 13.792741815159202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Soft robots and tactile sensors have demonstrated great potential in delicate manipulation tasks. Soft pneumatic robots enable safe contact through compliance, and vision-based tactile sensors offer high-resolution touch perception. However, learning tactile manipulation with compliant robots has been challenging, bottlenecked by the lack of efficient simulation. Existing simulators typically model them in isolation, and exhibit large calibration gaps that are difficult to overcome efficiently. We present PneuTac, a unified framework for tactile-feedback manipulation with soft pneumatic robots. We leverage the material point method (MPM) for modelling the dynamics of the soft robot and the deformable tactile membrane, and 3D Gaussian splatting (3DGS) for rendering. Real-to-sim modelling is done with a simple vision-based method, to then train action and perception networks for efficient simulation with surrogate models. We use the framework to drive a tactile-guided pipeline to collect demonstrations in simulation. Through experiments on a custom-designed pneumatic soft finger with a tactile sensing tip, together with additional cross-device evaluations, we show that PneuTac is capable of accurately modelling soft robots with tactile sensors, and that policies trained with simulation-augmented demonstrations outperform baselines trained on the same real data on three real-world contact-rich compliant manipulation tasks, making it a practical framework for tactile manipulation on compliant hardware.
- Abstract（参考訳）: ソフトロボットと触覚センサーは、微妙な操作作業において大きな可能性を実証している。
ソフト空気圧ロボットはコンプライアンスを通じて安全な接触を可能にし、視覚ベースの触覚センサーは高解像度のタッチ知覚を提供する。
しかし、ロボットによる触覚操作の学習は、効率的なシミュレーションの欠如によってボトルネックとなり、難しかった。
既存のシミュレータは通常、それらを分離してモデル化し、効率的に克服することが難しい大きなキャリブレーションギャップを示す。
ソフト空気圧ロボットを用いた触覚フィードバック操作のための統合フレームワークであるPneuTacを提案する。
ソフトロボットと変形可能な触覚膜の力学をモデル化するための材料点法(MPM)とレンダリングのための3Dガウススプラッティング(3DGS)を利用する。
リアル・トゥ・シミュレート・モデリングは単純な視覚に基づく手法で行われ、サロゲートモデルを用いた効率的なシミュレーションのために行動と知覚ネットワークを訓練する。
我々は、このフレームワークを使って触覚誘導パイプラインを駆動し、シミュレーションでデモを収集する。
触覚センサを備えたカスタムデザインの空気圧ソフトフィンガーの実験を通じて、PneuTacは触覚センサによるソフトロボットの正確なモデリングが可能であり、シミュレーション強化によるトレーニングは、実世界の接触に富む3つの操作タスクにおいて、同じ実データに基づいてトレーニングされたベースラインを上回り、触覚操作のための実用的なフレームワークであることを示す。
関連論文リスト
- Sim-to-Real Transfer for Muscle-Actuated Robots via Generalized Actuator Networks [53.12548325396181]
柔らかい筋肉のアクティベーションと組み合わせたテンドンドライブは、より速く、より安全なロボットを可能にする。
この複雑なアクチュエータのニューラルネットワークモデルを学習するsim-to-realパイプラインを提案する。
我々は,完全にシミュレーションで訓練された,正確なゴール獲得とダイナミック・ボール・イン・カップ・ポリシーの展開に成功した。
論文 参考訳（メタデータ） (2026-04-10T16:52:54Z) - Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。
近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。
これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。
本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
論文 参考訳（メタデータ） (2026-04-07T07:30:21Z) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。
ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
論文 参考訳（メタデータ） (2025-12-17T21:58:46Z) - Fluidically Innervated Lattices Make Versatile and Durable Tactile Sensors [43.33741954317892]
組込み空気流路を有する3Dプリントエラストマー格子を用いて製造した触覚センサを内蔵した受動型ソフトロボット指先について述べる。
このセンサ化アプローチは、流体神経支配と呼ばれ、密閉された空気チャネル内の圧力変化を検出して格子を触覚センサーに変換する。
論文 参考訳（メタデータ） (2025-07-28T18:00:04Z) - RoboPearls: Editable Video Simulation for Robot Manipulation [81.18434338506621]
RoboPearlsは、ロボット操作のための編集可能なビデオシミュレーションフレームワークである。
3D Gaussian Splatting (3DGS)に基づいて構築されたRoboPearlsは、フォトリアリスティックでビュー一貫性のあるシミュレーションの構築を可能にする。
我々は、RLBench、COLOSSEUM、Ego4D、Open X-Embodiment、現実世界のロボットなど、複数のデータセットやシーンで広範な実験を行う。
論文 参考訳（メタデータ） (2025-06-28T05:03:31Z) - Taccel: Scaling Up Vision-based Tactile Robotics via High-performance GPU Simulation [34.47272224723296]
ロボット,触覚センサ,物体を精度と前例のない速度でモデル化するために,IPCとABDを統合した高性能なシミュレーションプラットフォームであるTaccelを提案する。
並列化が制限されたサブリアルタイム速度で動作する従来のシミュレータとは異なり、Taccelは正確な物理シミュレーションとリアルな触覚信号を提供する。
これらの能力は、触覚ロボットの研究と開発を拡大するための強力なツールとして、Taccelを位置づけている。
論文 参考訳（メタデータ） (2025-04-17T12:57:11Z) - 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) - Elastic Interaction of Particles for Robotic Tactile Simulation [43.933808122317274]
触覚エミュレーションのための新しいフレームワークであるElastic Interaction of Particles (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、弾性理論を適用して接触過程における粒子の変形を制御する。
提案手法の有効性を検証する実験を2つのアプリケーションで行った。
論文 参考訳（メタデータ） (2020-11-23T16:37:00Z)
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。