論文の概要: TacHair: Tactile Contact-Distribution Guided Online Correction for Robotic Hair Stroking and Perception

• arxiv url: http://arxiv.org/abs/2610.10637v1
• Date: Wed, 07 Oct 2026 14:20:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.590868
• Title: TacHair: Tactile Contact-Distribution Guided Online Correction for Robotic Hair Stroking and Perception
• Title（参考訳）: TacHair: ロボット用ヘアストロークと知覚のための触覚接触分布ガイドオンライン補正
• Abstract要約: ヘアストロークは、毎日のグルーミングやパーソナリティで一般的であり、髪型評価にも広く用いられている。 既存のロボットのヘアケアと表面追跡の方法は、主に軌道計画、コンプライアンス、強制規制、触覚によるポリシーに依存している。 触覚接触分布の空間的分布として高分解能触覚観察を表現した触覚接触分布オンライン補正フレームワークであるTacHairを提案する。
• 参考スコア（独自算出の注目度）: 10.08163566294434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hair stroking is common in daily grooming and personal care, and is also widely used in hair-product evaluation, motivating robots with similar physical interaction capabilities. Existing robotic hair-care and surface-following methods mainly rely on trajectory planning, compliance, force regulation, or tactile-conditioned policies, but deformable hair can remain in contact while gradually drifting across the end-effector, making local interaction difficult to regulate. We propose TacHair, a tactile contact-distribution guided online correction framework that represents high-resolution tactile observations as a spatial hair-contact distribution. A visuotactile imitation policy generates the nominal stroking motion, while a separately trained residual module corrects local contact deviations, separating task progression from contact recovery. We evaluate TacHair in 525 real-robot trials across five head geometries and three hair conditions. A successful stroke requires both sufficient task progression and contact maintenance; our method improves success from 42.9% to 62.3% and contact maintenance from 59.4% to 88.0% over the same visuotactile policy without correction. These results demonstrate spatial tactile contact distributions as an effective feedback representation for contact-preserving interaction with deformable and visually occluded surfaces. Demos, code, and datasets are available at https://tachair.github.io.
• Abstract（参考訳）: ヘアストロークは、日々のグルーミングやパーソナルケアで一般的であり、毛髪製品の評価や、同様の物理的相互作用能力を持つロボットの動機付けにも広く用いられている。 既存のロボット毛髪ケアと表面追跡法は、主に軌道計画、コンプライアンス、強制規制、触覚条件のポリシーに依存しているが、変形可能な毛髪はエンドエフェクターを徐々に移動しながら接触し、局所的な相互作用を調節することが困難である。 触覚接触分布の空間的分布として高分解能触覚観察を表現した触覚接触分布オンライン補正フレームワークであるTacHairを提案する。 ビゾタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタク 5つの頭部と3つの毛髪条件で525個の実ロボット実験でTacHairを評価した。 脳卒中を成功させるためには, 作業進行と接触維持の両面が必要であり, 術式は42.9%から62.3%に改善し, 接触維持は59.4%から88.0%に改善した。 これらの結果から, 空間的触覚接触分布は, 変形面と視覚面との接触保存相互作用の効果的なフィードバック表現であることが示された。 デモ、コード、データセットはhttps://tachair.github.io.comで公開されている。

関連論文リスト

• Contact-Aware Imitation Learning Through Contact Factorization [8.235119281001591]
  汎用的なコンタクトリッチな操作は、物理的な実現を接触条件の変化に適応させながら、意図したタスク動作を維持することをロボットに要求する。 本研究では,環境に依存した接触要因から意図したタスク動作を分離する,コンタクトファクターによる模倣学習フレームワークであるFACEを紹介する。 表面特性と幾何の相違による実ロボット接触リッチな操作におけるFACEの評価を行った。
  論文  参考訳（メタデータ） (2026-10-07T06:36:48Z)
• 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)
• 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)
• ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction [42.34171808182058]
  本稿では,コンタクトリッチなデクスタラス操作をサポートする視覚言語-アクションモデル(VLA)ReTouchを紹介する。 ReTouchは、触覚表現とクローズドループアクション生成の2つの主要なイノベーションの上に構築されている。
  論文  参考訳（メタデータ） (2026-08-03T07:31:10Z)
• TouchWorld: A Predictive and Reactive Tactile Foundation Model for Dexterous Manipulation [14.063238637690597]
  日常環境における有害な操作には、予測と反応の両方が必要である。 我々は,デクスタラス操作のための予測・反応型触覚基礎モデルであるTouchWorldを紹介する。
  論文  参考訳（メタデータ） (2026-07-08T11:28:13Z)
• DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
  高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。 DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。 当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
  論文  参考訳（メタデータ） (2024-11-27T18:03:26Z)
• Tactile Estimation of Extrinsic Contact Patch for Stable Placement [64.06243248525823]
  本稿では,複雑な物体を積み重ねることを学ぶロボットのためのフィードバックスキルの設計について述べる。 つかんだ物体とその環境間の接触パッチを,力と触覚の観測により推定する。
  論文  参考訳（メタデータ） (2023-09-25T21:51:48Z)

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。