論文の概要: How Firm Should a Grasp Be?

• arxiv url: http://arxiv.org/abs/2610.11221v1
• Date: Thu, 08 Oct 2026 04:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.799366
• Title: How Firm Should a Grasp Be?
• Title（参考訳）: Graspはどんな企業か?
• Abstract要約: 本研究では, 把握過程における材料特性をリアルタイムで推定するためのビゾタクタクタブル手法を提案する。 提案手法は, 対象物を扱うのに必要な最小把握力を決定するために, これらの推定特性を利用する。 パラレルジャウグリップを用いたロボットによる力制御に対するアプローチを実験的に検証した。
• 参考スコア（独自算出の注目度）: 7.208573791430328
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An ideal robot grasp is firm enough to securely handle an object, yet gentle enough to avoid damaging it. Achieving this balance requires knowledge of the object's material properties, such as its mass, elasticity, and surface friction. These properties, however, are seldom precisely known a priori. In this work, we propose a visuotactile approach to estimating material properties in real time, during the process of grasping. Our method uses these estimated properties to determine the minimum grasp force required to handle the object. We contribute a new dataset of real-world objects (fruits and vegetables) with measured physical properties (shape, mass, elasticity, and friction), which we use to construct our force estimation model via simulations. We experimentally validate our approach to grasp force control using a robot with a parallel-jaw gripper. We demonstrate our system's ability to gently grasp a wide variety of objects, in each case adapting to their unique physical properties.
• Abstract（参考訳）: 理想的なロボットグリップは、オブジェクトを安全に扱えるほどしっかりしているが、損傷を避けられるほど優しくはない。 このバランスを達成するには、その質量、弾性、表面摩擦といった物体の材料特性に関する知識が必要である。 しかし、これらの性質は前兆を正確に知ることは滅多にない。 本研究では, 材料特性をリアルタイムで推定するビズオタクタブル手法を提案する。 提案手法は, 対象物を扱うのに必要な最小把握力を決定するために, これらの推定特性を利用する。 実世界のオブジェクト(果物や野菜)の新たなデータセットに,測定された物理的特性(形状,質量,弾性,摩擦)をコントリビュートし,シミュレーションを用いて力推定モデルを構築した。 パラレルジャウグリップを用いたロボットによる力制御に対するアプローチを実験的に検証した。 本システムでは, 様々な物体を優雅に把握し, それぞれの物体の特異な物理的特性に適応する能力を示す。

関連論文リスト

• Automatically Improving Simulation Physics for Articulated Objects [0.0]
  本稿では,操作中にオブジェクトを確実にシミュレートできるかどうかを特徴付けるインタラクション・レディネスを提案する。 不完全な3Dアセットから対話可能な調音オブジェクトを生成するためのシミュレーター・イン・ザ・ループ手法を提案する。
  論文  参考訳（メタデータ） (2026-05-18T21:34:33Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)
• Robust Pivoting: Exploiting Frictional Stability Using Bilevel Optimization [13.687891070512828]
  汎用的な操作には、ロボットが新しいオブジェクトや環境と対話する必要がある。 本研究では,不確実性の存在下でのピボット操作制御のためのロバストな最適化について検討する。
  論文  参考訳（メタデータ） (2022-03-22T01:44:15Z)
• A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
  本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。 実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
  論文  参考訳（メタデータ） (2021-12-09T17:50:54Z)
• Learning to Slide Unknown Objects with Differentiable Physics Simulations [16.86640234046472]
  本稿では,未知のオブジェクトを初期設定から目標設定にプッシュする手法を提案する。 提案手法は、最近の微分可能な物理モデルの進歩を利用して、押された物体の未知の力学的性質を学習する。
  論文  参考訳（メタデータ） (2020-05-11T21:53:33Z)
• Identifying Mechanical Models through Differentiable Simulations [16.86640234046472]
  本稿では,未知の物体を非包括的動作によって操作する新しい手法を提案する。 提案手法は、微分可能な物理モデルの最近の進歩を利用して、操作対象の未知の力学的性質を同定する。
  論文  参考訳（メタデータ） (2020-05-11T20:19:20Z)
• Gaining a Sense of Touch. Physical Parameters Estimation using a Soft Gripper and Neural Networks [3.0892724364965005]
  ロボットグリップを用いた物体との直接相互作用の測定における深層学習アルゴリズムを用いた物理パラメータ推定に関する十分な研究はない。 本研究では、剛性係数の回帰をトレーニング可能なシステムを提案し、物理シミュレータ環境を用いて広範な実験を行った。 本システムでは,Yale OpenHandソフトグリップを用いて,指に装着した慣性測定ユニット(IMU)の読み値に基づいて,物体の硬さを確実に推定することができる。
  論文  参考訳（メタデータ） (2020-03-02T11:56:14Z)

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。