論文の概要: LETS: Low-Overhead External-Torque Sensing for Force-Feedback Bilateral Teleoperation
- arxiv url: http://arxiv.org/abs/2610.14889v1
- Date: Sat, 10 Oct 2026 13:10:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:11:46.244582
- Title: LETS: Low-Overhead External-Torque Sensing for Force-Feedback Bilateral Teleoperation
- Title（参考訳）: LETS:フォースフィードバックバイラテラル遠隔操作のためのローオーバーヘッド外部トルクセンシング
- Abstract要約: 逆動力学に剛体力学を割り当てる物理誘導学習手法LETSを提案する。
LETSはロボットのURDFモデルと共同フィードバックのみを使用し、制御コマンドを意図的に除外する。
12分間のフリーモーションデータを1分以内でトレーニングし、6軸力/トルクセンサーを専用のエンドエフェクターで駆動する。
- 参考スコア（独自算出の注目度）: 10.35111606198901
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bilateral teleoperation with force feedback is becoming increasingly important, and the quality of external-torque estimation is critical to this process. However, manufacturer-provided disturbance-torque estimates on commercial robotic arms are often inaccurate, while the use of end-effector force/torque sensors adds cost and payload. We propose LETS, a physics-guided learning approach that assigns rigid-body dynamics to recursive Newton-Euler inverse dynamics and reserves learning for only the robot-specific residual. LETS uses only the robot's URDF model and joint feedback, deliberately excluding control commands and thereby decoupling external-torque estimation from control-command inputs. It trains on 12 minutes of free-motion data in under one minute, without requiring a dedicated end-effector six-axis force/torque sensor. In bilateral teleoperation, LETS achieves real-time external-torque estimation that enables stable force feedback. Its free-space error is 69% lower than the manufacturer-provided estimate, substantially reducing coupled oscillations between leader and follower; its contact error is 28% lower, yielding more accurate haptic feedback.
- Abstract（参考訳）: 力フィードバックによる双方向遠隔操作はますます重要になってきており、このプロセスには外部トルク推定の品質が不可欠である。
しかし、製造業者が提案する商用ロボットアームの乱れトルク推定は不正確な場合が多いが、エンドエフェクタ・フォース/トルクセンサーを使用することでコストとペイロードが増大する。
本稿では,剛体力学をNewton-Euler逆ダイナミクスに割り当てる物理誘導学習手法LETSを提案する。
LETSはロボットのURDFモデルと共同フィードバックのみを使用し、制御コマンドを意図的に排除し、制御コマンド入力から外部トルク推定を分離する。
6軸力/トルクセンサーを専用のエンドエフェクターに必要とせず、1分以内にフリーモーションデータを12分間トレーニングする。
双方向遠隔操作において、LETSは安定した力フィードバックを可能にするリアルタイム外部トルク推定を実現する。
自由空間誤差は製造元が提案した推定値よりも69%低く、リーダーと追従者の共振を著しく低減し、接触誤差は28%低くなり、より正確な触覚フィードバックが得られる。
関連論文リスト
- Assistance Torque Estimation via Dynamics-Aware Optimization for Lower-Limb Exoskeleton in Complex Environments [7.687185026547581]
地道な人間の関節トルク推定は、限られた屋外使用性と相当な展開費用に苦しむモーションキャプチャーシステムに依存している。
本稿では,動的モデルに基づく新しい補助トルク推定法を提案する。
最適化の観点から,提案手法はモータアシストトルクを直接生成し,データ取得コストを低減させる。
論文 参考訳（メタデータ） (2026-09-14T10:36:49Z) - FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning [54.93624123794711]
接触に富んだ操作は力の感度を必要とするが、多くのロボットアームは高いコストのために専用の力センサーを欠いている。
本稿では、専用の力センサを必要とせず、外部関節トルクを推定するデータ駆動方式であるニューラル外部トルク推定(Trque)を提案する。
次に、低コストのアーム上での力覚的遠隔操作を可能にし、フォースインフォームド・リサンプリングトレーニングによる政策学習を改善する。
論文 参考訳（メタデータ） (2026-06-10T17:59:35Z) - Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。
我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。
以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T08:45:24Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - 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) - Proprioceptive External Torque Learning for Floating Base Robot and its
Applications to Humanoid Locomotion [17.384713355349476]
本稿では,浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点
実際のロボット実験では、ネットワークは外部トルクと接触レンチをはるかに小さな誤差で推定できることを示した。
また,ゼロモーメントポイント(ZMP)フィードバック制御において,推定した接触レンチが有効であることを示す。
論文 参考訳（メタデータ） (2023-09-08T05:33:56Z) - Fine Robotic Manipulation without Force/Torque Sensor [9.908082209033612]
典型的な6軸力/トルクセンサ(F/T)がロボットの手首と端エフェクターの間に装着され、環境がロボットに与える力(外部レンチ)を測定する。
典型的な6軸F/Tセンサーは高い精度で測定できるが、ドリフトや外部の衝撃に対して高価で脆弱である。
ロボットの内部信号のみを用いて外部レンチを推定する既存の手法は、スコープに限られている。
我々はニューラルネットワークに基づく手法を提案し、トレーニングデータ構造に特に注意を払うことで、正確に見積もることができると論じる。
論文 参考訳（メタデータ） (2023-01-31T05:06:04Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z)
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。