論文の概要: Tactile Reconstruction of Contact Task Frames and Forces for Hybrid Force/Motion Control
- arxiv url: http://arxiv.org/abs/2610.10020v1
- Date: Wed, 07 Oct 2026 13:09:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.929161
- Title: Tactile Reconstruction of Contact Task Frames and Forces for Hybrid Force/Motion Control
- Title（参考訳）: ハイブリッド力・運動制御のための接触作業フレームと力の触覚再構成
- Abstract要約: ハイブリッド力/運動制御は、相互作用力と、力と運動の制御方向を定義するタスクフレームの知識を必要とする。
本研究は,ソフトな光触覚センサのみを用いて,接触力のオンライン推定と時間変化の可能性のあるタスクフレームに対処する。
- 参考スコア（独自算出の注目度）: 40.16805334065999
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hybrid force/motion control requires knowledge of the interaction force and of a task frame defining the force- and motion-controlled directions. These quantities are usually obtained from force/torque sensing or model-based residuals, often assuming also a nominal environment model. This work addresses the online estimation of the contact force and a possibly time-varying task frame using only soft optical tactile sensing, under the assumption of locally planar contact with a negligible contact moment. The proposed method maps a single image of the deformed elastomer of a soft optical tactile sensor to observable contact variables: indentation depth, two surface-to-sensor tilt angles, and 3D contact force, each with a per-sample uncertainty estimate. The mapping is learned through a self-labeling acquisition procedure, in which a manipulator imposes controlled contacts while an auxiliary Force/Torque sensor is used offline to provide ground-truth labels. The tactile measurement is then fused with robot proprioceptive data in an Extended Kalman Filter, producing a continuously updated estimate of the contact task frame and of the interaction force. Control experiments with a DigiTac sensor mounted on a UR10 manipulator demonstrate closed-loop contact force regulation against a flat rigid board in linear and angular motion by a human operator, with touch as the only exteroceptive feedback.
- Abstract（参考訳）: ハイブリッド力/運動制御は、相互作用力と、力と運動の制御方向を定義するタスクフレームの知識を必要とする。
これらの量は通常、力/トルク感知またはモデルに基づく残留物から得られ、しばしば名目上の環境モデルも想定される。
本研究は, 局所平面接触と無視可能な接触モーメントを仮定して, ソフトな触覚センサのみを用いて, 接触力と時間変化の可能性のあるタスクフレームのオンライン推定に対処する。
提案手法は, 軟質光触覚センサの変形エラストマーの1つの画像を, インデンテーション深さ, 表面-センサ傾斜角, および3次元接触力の観測可能な接触変数にマッピングする。
このマッピングは、マニピュレータが制御された接触を強制する自己ラベル取得手順を通じて学習され、補助的なForce/Torqueセンサーがオフラインで使用され、地平線ラベルが提供される。
次に、触覚測定を拡張カルマンフィルタ内のロボット固有受容データと融合させ、接触タスクフレームと相互作用力の連続的に更新された推定を生成する。
UR10マニピュレータに搭載されたDigiTacセンサによる制御実験は、人間の操作者による直線的および角運動における平板に対する閉ループ接触力制御を実証し、タッチを唯一の外感フィードバックとする。
関連論文リスト
- Factorized Tactile Representation and Control for Sim-to-Real Manipulation [2.9655225299924335]
触覚 sim-to-real学習は、シミュレートされた接触とデバイス固有のセンサー応答をブリッジしなければならない。
本稿では,通常の力と接触パッチを効果的な接触応答にマッピングする触覚表現・制御フレームワークを提案する。
シミュレーションおよび実世界において,反応再構成,空間的アライメント,力の調節,対人ペグ挿入によるアプローチの評価を行った。
論文 参考訳（メタデータ） (2026-10-07T17:51:52Z) - TacGooseBumps (TacGB): Retrofitting Normal-Only Tactile Sensors with Shear Encoding for Learning Contact-Rich Manipulation [54.86974994302033]
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。
論文 参考訳（メタデータ） (2026-09-27T23:04:32Z) - TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation [3.8628620899766553]
全腕操作では、ロボットがタスクを完了する間、環境と直接接触する。
本稿では,TACTIC(Tactile and Vision Conditioned Contact-Centric Control)を提案する。
論文 参考訳（メタデータ） (2026-07-10T09:08:55Z) - Current as Touch: Proprioceptive Contact Feedback for Compliant Dexterous Manipulation [21.695801136739558]
本稿では,モータ電流と関節状態から接触認識コンプライアンスの手がかりを学習するプロプライエセプション駆動型フレームワークを提案する。
本手法は,標準PDコントローラの適合基準位置を予測する。
実験では、安定した整合性把握、より安全で効率的な遠隔操作、および外部触覚や力センサーを使わずに下流政策学習の改善が示されている。
論文 参考訳（メタデータ） (2026-07-03T17:59:50Z) - Tactile-Proprioceptive Sensor Fusion for Contact Wrench Estimation in Whole-Body Physical Human-Robot Interaction [6.839826083147316]
本稿では,自然界における人間-ロボットインタラクションのための触覚・受容型センサー融合フレームワークを提案する。
空気圧スキンパッドからの触覚は、摩擦残留物と応用外力の間のあいまいさを回避できる接触指標として機能する。
ロボット表面上の多軸接触力を再構成するために、モータ電流によるプロプレセプションを用いてこれらのキューを融合する。
論文 参考訳（メタデータ） (2026-05-27T12:47:25Z) - Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation [29.061513339025026]
我々は,手の動きを正確に捉え,高精度な触覚フィードバックを組み込んだ低コストグローブシステムTAGを提案する。
モーションキャプチャーのために、TAGはドリフトフリーで電磁力のある21-DoF関節追跡を提供する非接触磁気センシング設計を採用している。
我々は,TAGが接触幾何学と動的力の信頼性の高いリアルタイム認識を可能にし,接触豊富な遠隔操作タスクの成功率を向上させるとともに,学習に基づく操作のための実演データ収集の信頼性を高めることを示す。
論文 参考訳（メタデータ） (2026-03-30T15:04:13Z) - 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) - 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)
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。