論文の概要: A Minimal Optical-Flow Representation for Vision-Based Tactile Rotation Classification in Robotic Manipulation Across Gravity Domains

• arxiv url: http://arxiv.org/abs/2610.12073v1
• Date: Thu, 08 Oct 2026 14:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.084428
• Title: A Minimal Optical-Flow Representation for Vision-Based Tactile Rotation Classification in Robotic Manipulation Across Gravity Domains
• Title（参考訳）: 重力領域間のロボットマニピュレーションにおける視力に基づく触覚回転分類のための最小光フロー表現
• Abstract要約: 本研究では、触覚運動のコンパクトな表現が、異なる重力条件で物体の回転を分類できるかどうかを検討する。 シミュレーションされたGelSight Miniからの高密度な光学フローは、7x9グリッド上に126個の特徴に集約される。 4つの重力領域全てで訓練された単一のモデルは、96.3%の全体的な精度と95.1%-97.0%の個々の領域で達成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-based tactile sensors provide rich contact information, but processing high-resolution images can be costly for resource-constrained platforms such as space robots. This work investigates whether a compact representation of tactile motion can classify object rotation across different gravity conditions. Dense optical flow from a simulated GelSight Mini is aggregated over a 7x9 grid into 126 features and used to classify the direction of load-induced rotation under Earth, Mars, Moon, and orbital gravity. Gravity causes a small but significant shift in these features, accounting for 1.6% of their variance (R2 = 0.016). Despite its small magnitude, this shift affects models trained only on Earth data: XGBoost accuracy decreases from 94.4% on Earth to 75.9% in orbit. In contrast, a single model trained across all four gravity domains achieves 96.3% overall accuracy and 95.1%-97.0% across individual domains, without using gravity as an input. The representation can also be reduced to 40 features while retaining 95.7% accuracy, with XGBoost requiring only 0.14 ms per inference. These findings show that Earth-gravity performance alone is insufficient to establish the transferability of tactile perception for space robotic manipulation, highlighting the need to account for gravity-induced domain shifts during training and validation.
• Abstract（参考訳）: 視覚ベースの触覚センサは、豊富な接触情報を提供するが、高解像度画像の処理は、宇宙ロボットのような資源に制約のあるプラットフォームではコストがかかる。 本研究では、触覚運動のコンパクトな表現が、異なる重力条件で物体の回転を分類できるかどうかを検討する。 シミュレーションされたGelSight Miniからの複雑な光の流れは、7x9グリッド上に126の特徴に集約され、地球、火星、月、軌道重力下での荷重誘起回転の方向を分類するために使用される。 重力はこれらの特徴の小さな変化を引き起こすが、その違いの1.6%を占める(R2 = 0.016)。 XGBoostの精度は地球上で94.4%から軌道上で75.9%に低下する。 対照的に、4つの重力領域全てで訓練された単一のモデルは、入力として重力を用いることなく、全体の精度96.3%、個々の領域で95.1%-97.0%を達成する。 この表現は95.7%の精度を維持しながら40の特徴に還元でき、XGBoostは1回の推論で0.14ミリ秒しか必要としない。 これらの結果は、宇宙ロボット操作のための触覚の伝達性を確立するには地球重力性能だけでは不十分であることが示され、トレーニングと検証中に重力によって引き起こされるドメインシフトを考慮する必要性が強調された。

関連論文リスト

• AVT-Fabric: Active Visuo-Tactile Perception via Adaptive Evidence Selection for Efficient Robotic Fabric Comparison [50.18779315745876]
  AVT-Fabricは、各比較の難しさに応じて触覚証拠を割り当てるRGBファーストフレームワークである。 400のホールドアウト比較において、AVT-Fabricはコンパクトな7Bマルチモーダル大言語モデルで98.0%の精度を達成した。 このフレームワークは実際のロボットシステムにもデプロイされており、8つのアプリケーションシナリオのうち7つのシナリオで78.1%のペアのランキング精度と正しい布地選択を実現している。
  論文  参考訳（メタデータ） (2026-09-18T06:43:04Z)
• A comparative study on the accuracy & repeatability of mobile robotic platforms for the delivery of precision NDE measurement [0.16752458252726457]
  移動ロボットプラットフォームは、大きな航空宇宙構造物の非破壊評価(NDE)のための固定マニピュレータの柔軟な代替手段を提供する。 本研究は,5つの商用モバイルプラットフォームの静的・セグメント的軌道位置決め精度を計測するレーザトラッカーに基づく評価ワークフローを提案する。
  論文  参考訳（メタデータ） (2026-09-03T13:02:25Z)
• Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
  本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。 提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
  論文  参考訳（メタデータ） (2026-08-25T07:25:27Z)
• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Detection of subsurface structures with a vehicle-based atom gravity gradiometer [18.866527668397758]
  原子重力勾配計(AGG)は最も正確な移動重力勾配計の1つであるが、現在は可搬性と感度のトレードオフによって制限されている。 本稿では,94Lの超コンパクトセンサヘッドを備えた高感度移動型AGGについて述べる。 実験室では、77E/sqrtHz$(1E=1$times10-9$/s$2$)の感度と0.5E以上の長期的な安定性を達成する。
  論文  参考訳（メタデータ） (2025-06-23T10:58:55Z)
• Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic Grasp Stability Metrics [70.65363356763598]
  解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。 幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。 第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
  論文  参考訳（メタデータ） (2021-09-23T09:20:19Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)

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。