論文の概要: Factorized Tactile Representation and Control for Sim-to-Real Manipulation

• arxiv url: http://arxiv.org/abs/2610.10510v1
• Date: Wed, 07 Oct 2026 17:51:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.095483
• Title: Factorized Tactile Representation and Control for Sim-to-Real Manipulation
• Title（参考訳）: Sim-to-Real操作のためのファクトライズされた触覚表現と制御
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.9655225299924335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tactile sim-to-real learning must bridge simulated contact and device-specific sensor responses while preserving information needed for control. We propose a factorized tactile representation and control framework that maps normal force and contact patch to an effective contact response recoverable from sensor readings. The response is separated into contact geometry, force distribution, and temporal contact change, with representation-specific encoding and randomization. A Tactile Gated Policy preserves these representations separately through control and operates over all mask configurations without retraining. We evaluate the approach through response reconstruction, spatial alignment, force regulation, and contact-rich adversarial peg insertion in simulation and the real world, enabling the utility and transfer reliability of different tactile representations to be assessed independently. The approach achieves <1 mm contact localization, 1.69 N force-tracking error on unseen geometries, and a 35% improvement in real-world adversarial peg insertion over the unfactorized response, with different tactile representations benefiting different interactions.
• Abstract（参考訳）: 触覚 sim-to-real学習は、制御に必要な情報を保持しながら、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,センサ読み取りから回復可能な接触応答に,通常の力と接触パッチを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。 応答は、表現固有の符号化とランダム化により、接触幾何学、力分布、時間的接触変化に分離される。 Tactile Gated Policyは、これらの表現をコントロールを通じて別々に保存し、再トレーニングせずにすべてのマスク構成を操作します。 シミュレーションと実世界における応答再構成,空間アライメント,力の調節,コンタクトリッチな対向ペグ挿入によるアプローチの評価を行い,異なる触覚表現の有用性と伝達信頼性を独立して評価する。 この手法は, 接触位置1mm, 1.69Nの非可視測地における力追跡誤差, および相違点の異なる触覚表現を用いて, 現実の逆ペグ挿入を35%改善する。

関連論文リスト

• Tactile Reconstruction of Contact Task Frames and Forces for Hybrid Force/Motion Control [40.16805334065999]
  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。
  論文  参考訳（メタデータ） (2026-10-07T13:09:20Z)
• 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)
• AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
  人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。 既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。 本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-06T16:29:11Z)
• 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)
• TactSpace: Learning a Physics-enriched Shared Latent Space for Tactile Sim-to-Real Transfer [8.357674069719524]
  共用潜在空間内での不均一な触覚を整列する多モード表現学習フレームワークを提案する。 本手法では, 様々な触覚観測を共通埋め込み空間に投影するために, モダリティ特異的エンコーダを用いる。 本結果は, 物理的に異なる表現間のゼロショットsim-to-real転送を実証する。
  論文  参考訳（メタデータ） (2026-06-17T11:41:27Z)
• Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning [6.509572742369941]
  触覚のみのブラインドグリップのためのフレームワークを提案する。 本研究では,実際の触覚信号を再現可能な接触校正型デジタル双極子シミュレータを構築するReal2Sim触覚校正パイプラインを提案する。 第2に,センサ・ジオメトリを組み込んだレイアウト認識型触覚エンコーダによる触覚観察の表現性を,自己教師付き事前学習により改善する。 第3に、未確認物体への一般化を改善するため、校正されたシミュレーターにおいて、オブジェクト固有の強化学習の専門家を訓練し、得られた把握軌道を触覚条件付き拡散ポリシーに集約する。
  論文  参考訳（メタデータ） (2026-06-10T07:46:38Z)
• 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。