論文の概要: TACROSS: An Efficient and Low-Cost Scalable Human Touch System Across Heterogeneous Tactile Sensors for Dexterous Robot Learning

• arxiv url: http://arxiv.org/abs/2610.11945v1
• Date: Thu, 08 Oct 2026 13:34:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.044482
• Title: TACROSS: An Efficient and Low-Cost Scalable Human Touch System Across Heterogeneous Tactile Sensors for Dexterous Robot Learning
• Title（参考訳）: TACROSS:デクサスロボット学習のための不均一触覚センサ間の効率よくスケーラブルなヒューマンタッチシステム
• Abstract要約: 本稿では,人間の触覚から学習し,ロボットに伝達するスケーラブルなシステムTACROSSを提案する。 提案システムでは,実演装置のコストを95.7%削減しつつ,3.5倍の効率向上を実現している。 TACROSSハードウェアおよびソフトウェアシステムをオープンソースとして公開し、150時間以上の録音を含む触覚データセットを公開します。
• 参考スコア（独自算出の注目度）: 13.732436811214564
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Collecting tactile demonstrations on robots is costly and slow, motivating the use of lower-cost human tactile gloves for scalable data collection. However, human capacitive/piezoresistive gloves and robotic tactile sensors differ fundamentally in transduction principle, sensor layout, spatial resolution, and dynamic response, making alignment of raw sensor channels ill-posed. To address this problem, we present TACROSS, a scalable system for learning from human touch and transferring it to robots that bridges this heterogeneity by aligning tactile streams at the level of contact events rather than raw sensor values. The hardware component of TACROSS integrates a piezoresistive glove with five layers and a cost of USD 10.86 with 285 sensing points. To align contact semantics, we design canonicalizers and residual adapters that map heterogeneous signals into a shared tactile latent with 256 dimensions via a temporal Transformer with attention across fingers. We further introduce a robot-grounded policy learning scheme in which robot demonstrations provide the sole source of ground-truth action supervision, while human demonstrations support tactile representation learning and provide confidence-weighted auxiliary supervision through valid retargeted hand targets. We evaluate our system on four contact-rich manipulation tasks. Compared to conventional teleoperation, our proposed system achieves a 3.5-fold efficiency improvement while reducing demonstration acquisition equipment cost by 95.7%. We will open-source the TACROSS hardware and software system and publicly release a tactile dataset comprising over 150 hours of recordings. Project page: https://tacross-touch-project.github.io/.
• Abstract（参考訳）: ロボット上での触覚デモの収集は高価で遅いため、スケーラブルなデータ収集に低コストな人間の触覚手袋を使用する動機となっている。 しかしながら、人間の容量/ピエゾ抵抗性手袋とロボット触覚センサーは、トランスダクション原理、センサーレイアウト、空間分解能、動的応答において根本的に異なるため、生のセンサーチャネルのアライメントが悪用される。 この問題を解決するため,人間の触覚から学習し,触覚ストリームを生センサの値ではなく接触イベントのレベルに整列させることで,この異種性を橋渡しするロボットに伝達するスケーラブルなシステムであるTACROSSを提案する。 TACROSSのハードウェアコンポーネントは、ピエゾ抵抗グローブを5層に統合し、USD 10.86と285のセンシングポイントを備える。 接触セマンティクスの整合を図るため,異種信号が256次元の共用触覚潜伏器に指を通したテンポラリトランスフォーマーを用いてマッピングする正規化器と残像アダプタを設計した。 さらに,ロボットによる行動指導の唯一の源となる政策学習手法を導入するとともに,人間による実演は触覚表現学習をサポートし,信頼度に富んだ補助的指導を有効な目標を通じて行う。 4つのコンタクトリッチな操作タスクに対して,本システムの評価を行った。 従来の遠隔操作と比較して,実証取得装置のコストを95.7%削減しつつ,3.5倍の効率向上を実現している。 TACROSSハードウェアおよびソフトウェアシステムをオープンソースとして公開し、150時間以上の録音を含む触覚データセットを公開します。 プロジェクトページ: https://tacross-touch-project.github.io/

関連論文リスト

• TouchScale: 500 Hours of Human Vision and Touch for Visual-Tactile Learning [103.68709128626244]
  我々は、単一の統一ウェアラブルセットアップで記録されたコンタクトリッチなヒューマンインタラクションのデータセットであるTouchScaleを紹介した。 TouchScaleのトレーニングでは、目に見えない触覚センサからのデータから、ゼロショットコンタクトIoUが0.134から0.383に上昇する。 TouchScaleは、4つのコンタクトリッチな操作タスクの平均的な実世界の成功率を22.5%から57.5%に改善している。
  論文  参考訳（メタデータ） (2026-10-07T15:49:41Z)
• SoTa: Soft Tactile Skins for Dexterous Manipulation [13.811920459074202]
  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。
  論文  参考訳（メタデータ） (2026-10-01T18:08:59Z)
• AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
  AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。 本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
  論文  参考訳（メタデータ） (2026-06-08T17:38:57Z)
• 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)
• 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)
• 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)
• AuraSense: Robot Collision Avoidance by Full Surface Proximity Detection [3.9770080498150224]
  AuraSenseは、ロボットアームの非死点近接検知を実現する最初のシステムである。 1組の圧電トランスデューサしか必要とせず、市販のロボットにも容易に適用できる。
  論文  参考訳（メタデータ） (2021-08-10T18:37:54Z)
• DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile Sensor with Application to In-Hand Manipulation [16.54834671357377]
  汎用的な手動操作は、ロボティクスの未解決課題の1つとして残されている。 DIGITは安価でコンパクトで高解像度な触覚センサで、手作業で操作できる。
  論文  参考訳（メタデータ） (2020-05-29T17:07:54Z)
• 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。