論文の概要: SoTa: Soft Tactile Skins for Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2610.02338v1
- Date: Thu, 01 Oct 2026 18:08:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.040535
- Title: SoTa: Soft Tactile Skins for Dexterous Manipulation
- Title（参考訳）: SoTa:デキスタラスマニピュレーションのためのソフト触覚皮膚
- Abstract要約: SoTaは低コストで、人間やロボットをフルハンドでカバーする。
ファブリック電極を用いた多層膜設計により、薄い軟質の皮膚を1個10ドル以下で製造できる。
- 参考スコア（独自算出の注目度）: 13.811920459074202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A growing body of work suggests that tactile sensing gives robot policies contact information that complements vision in dexterous manipulation. However, visuo-tactile robot data remains scarce: dexterous demonstrations require teleoperating robots, which limits dataset scale. Human demonstrations are far cheaper to collect and offer a path to scale this data, but only if human and robot hands carry tactile sensors with corresponding signals. This requires sensors that conform to different hand geometries, cover the full hand, and share a common layout across embodiments. We present SoTa, a low-cost capacitive tactile skin that provides full-hand coverage on humans and robots while preserving a shared layout of 202 taxels across corresponding finger and palm regions. Our multilayer design with fabric electrodes enables in-house fabrication of thin, soft skins with customizable geometry for under $10 in materials per skin. The sensor retains over 97% of its initial response span after 10,000 loading-unloading cycles with traces retaining continuity through 1,280 tight-fist folding cycles. The shared taxel layout supports human-robot co-training with a common tactile encoder and no learned cross-sensor mapping. Across three contact-rich manipulation tasks, tactile observations improve in-distribution success over vision-only policies. With a fixed robot demonstration budget, adding human demonstrations more than doubles mean success across eight evaluation conditions, from 22.8% to 45.9%, improving success in all five out-of-distribution conditions. We plan to open-source the resources needed to fabricate and operate these skins.
- Abstract（参考訳）: 触覚センサーが視覚を補完するロボットポリシーの接触情報を与えるという研究が増えている。
しかし、ビジュオタクティルロボットのデータはまだ乏しい。厳密なデモでは、データセットの規模を制限する遠隔操作ロボットが必要である。
人間のデモは、このデータを収集し、スケールする道を提供するのにはるかに安いが、人間とロボットの手が触覚センサーと対応する信号を運ぶ場合に限られる。
これは、異なるハンドジオメトリに準拠し、フルハンドをカバーし、エボディメント間で共通のレイアウトを共有するセンサーを必要とする。
指と手のひら領域をまたいだ202タッテルの共有レイアウトを保ちながら、人間とロボットをフルハンドでカバーする低コストな容量型触覚皮膚であるSoTaについて紹介する。
ファブリック電極を用いた多層膜設計により, 薄型軟質スキンの内装化が可能となり, 1スキンあたり10ドル以下で形状をカスタマイズできる。
センサーは1万回のロードアンロードサイクルの後、最初の応答の97%以上を保持し、1280回のタイトな折りたたみサイクルを通して連続性を保っている。
共有されたタクセルレイアウトは、共通の触覚エンコーダによる人間ロボットの協調訓練をサポートし、クロスセンサーマッピングを学習しない。
3つのコンタクトリッチな操作タスクの中で、触覚観察は視覚のみのポリシーよりも流通の成功を改善する。
固定されたロボットのデモ予算では、人間のデモを2倍以上に増やすことで、22.8%から45.9%の8つの評価条件で成功し、5つのアウト・オブ・ディストリビューション条件での成功が向上する。
我々はこれらのスキンの製造と運用に必要なリソースをオープンソース化する予定です。
関連論文リスト
- Unified Visual-Tactile-Action Modeling from Human Demonstrations for Dexterous Manipulation [19.452443308926487]
有害な操作には触覚フィードバックが必要である。
人間のデモは、多様な触覚インタラクションのよりスケーラブルなソースを提供する。
我々は、人間の触覚データを活用して、巧妙な操作ポリシーを改善します。
論文 参考訳（メタデータ） (2026-09-28T02:59:16Z) - VisTacAlign: Co-Training Dexterous Policies on Tactile Human and Robot Demonstrations [1.002991947914955]
VisTacAlignは、人間とロボットのデモに対する3D-視覚触覚のデクサラスなポリシーを共同訓練するためのフレームワークである。
グローブトラッキングされた人間の手の動きは、17-DoFの触覚ロボットハンドに1回指先修正を加えて再ターゲティングされる。
静電容量式触覚グローブは、信号空間内のロボットの指先センサーにアライメントされ、1つの指先力表現が解釈可能である。
論文 参考訳（メタデータ） (2026-09-25T08:12:04Z) - Skel-WAM: A Hand-Skeleton-Conditioned World Action Model for Human-to-Robot Manipulation Transfer [61.50662046794264]
Skel-WAMは,ハンドスケルトン・モーション・インタフェースの統一による差異をブリッジする世界アクション・モデルである。
主な洞察は、人間の動きとロボットの動きを共通のハンドトポロジーで調整し、シーン内の地面の動きを、明示的な手の動きをエンコードする2.5Dキーポイントと組み合わせることである。
ビデオとキーポイントの専門家は、Mixture-of-Transformersを通じて視覚と骨格のダイナミクスを共同で学習し、ロボット訓練されたアクションエキスパートはこれらの予測を実行可能なコントロールにマップする。
論文 参考訳（メタデータ） (2026-09-18T09:06:15Z) - FTP-1: A Generalist Foundation Tactile Policy Across Tactile Sensors for Contact-Rich Manipulation [66.22092641373067]
FTP-1は、トランスファー可能な触覚操作能力を取得するために事前訓練された最初の一般基盤触覚ポリシーである。
画像、配列、状態ベースの信号を含む様々な触覚入力をサポートする。
プレトレーニング中に見られるセンサーを超える触覚スキルを学習する。
論文 参考訳（メタデータ） (2026-06-11T09:30:09Z) - What Matters When Cotraining Robot Manipulation Policies on Everyday Human Videos? [51.606902362959495]
私たちは、28時間の高品質な三角測量された手ラベルと自然な動きを備えた532人のビデオのデータセットを使用します。
手のポーズの質は移動に影響を与えるが、正確な手であっても、視覚と政策ネットワークがそれぞれの実施に特化しない限り、固有の動きギャップは移動を妨げる。
論文 参考訳（メタデータ） (2026-06-04T18:24:23Z) - TactAlign: Human-to-Robot Policy Transfer via Tactile Alignment [32.07730277045068]
既存のH2R(Human-to-robot)アプローチでは、タッチが同一の触覚センサーを前提としており、ペアのデータを必要とし、人間のデモンストレーターとロボットの間の具体的ギャップをほとんど必要としない。
そこで本研究では,異なる実施形態のロボットに人為的な触覚信号を伝達する触覚アライメント手法であるTactAlignを提案する。
論文 参考訳（メタデータ） (2026-02-14T03:31:32Z) - OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer [34.13467792368733]
我々は、人間とロボットのスキル伝達用に設計されたウェアラブルな触覚手袋であるOSMOを紹介する。
人間の実演のみに特化して訓練されたロボットポリシーは、困難なコンタクトリッチな操作タスクを実行することができることを実証する。
論文 参考訳（メタデータ） (2025-12-09T18:56:30Z) - Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。
We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。
提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
論文 参考訳（メタデータ） (2025-06-02T17:57:52Z) - Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - 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。