論文の概要: No Eyes, No Problem: What Does Touch Contribute to Blind Baoding Ball Manipulation?

• arxiv url: http://arxiv.org/abs/2610.23438v2
• Date: Fri, 23 Oct 2026 16:32:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.182759
• Title: No Eyes, No Problem: What Does Touch Contribute to Blind Baoding Ball Manipulation?
• Title（参考訳）: 目がない、問題ない:ボールを操作するブラインドバドリングにタッチはどんな貢献をするのか?
• Abstract要約: 強化学習は、シミュレーションにおいて洗練されたブラインド操作ポリシーを生成することができる。 シャドウデキステラスハンドライト上でのバオディングボール回転によるこの問題について検討する。 物理的には、このポリシーは持続的なブラインドバオディング回転を達成し、$textbf225 連続する $mathbf180circ$ 回転を $sim0.36 ;textrot/s$ 単一の連続トライアルにおいて、視覚やオブジェクト状態の情報なしで達成する。
• 参考スコア（独自算出の注目度）: 8.585189650593378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans manipulate objects within their hands through touch alone with remarkable ease, but for robots, achieving sustained real-world manipulation without vision remains an open challenge. Although reinforcement learning (RL) can generate sophisticated blind manipulation policies in simulation, transferring them to a real dexterous hand remains hindered by continuously changing contacts, motion-induced tactile information drift, and the gap between simulated and physical dynamics. We study this problem through Baoding ball rotation on the Shadow Dexterous Hand Lite, using only proprioception and binary tactile feedback as observations. We achieve successful zero-shot transfer through a combination of a sensor-aligned, coupling-aware embodiment in simulation, tactile calibration, and two novel episodic domain randomisations: slew-rate action limits and STuck-AT Taxels. On the physical hand, the policy achieves sustained blind Baoding rotation, completing $\textbf{225 consecutive $\mathbf{180^\circ}$ rotations (112.5 full rotations) at $\sim0.36 \;\text{rot/s}$}$ in a single continuous trial without any vision or object-state information. Furthermore, we evaluate the contribution of tactile sensing relative to proprioception alone and identify the hand regions where tactile information is most important. This is the strongest reported hardware result for Baoding ball manipulation in both rotation count and speed, irrespective of the sensing modality used. By effectively bridging the sim-to-real gap, our framework sets a new benchmark for sustained tactile-driven dexterous manipulation on physical hardware.
• Abstract（参考訳）: 人間は触りやすさだけで物体を操作できるが、ロボットにとって、視覚のない現実世界の操作を実現することは、まだオープンな課題だ。 強化学習(RL)は、シミュレーションにおいて洗練されたブラインド操作ポリシーを生成することができるが、接触の連続的な変化、触覚情報ドリフト、シミュレートされた力学と物理力学のギャップによって、それらを実の手に移すことが妨げられている。 そこで我々は,この問題をシャドウデキステラスハンドライト上でのバオディングボール回転を通して研究し,プロプレセプションと二成分触覚フィードバックのみを観察として用いた。 我々は,スルーレート動作限界とStuck-AT税率の2つの新しいエピソード領域ランダム化を,センサアライメント,カップリング対応エボディメント,触覚キャリブレーションと組み合わせて実現した。 物理的には、このポリシーは持続的ブラインドバオディング回転を達成し、視覚や状態の情報のない単一の連続トライアルにおいて、$\textbf{225 連続$\mathbf{180^\circ}$ローテーション(112.5 フルローテーション)を$\sim0.36 \;\text{rot/s}$}$で完了する。 さらに, 触覚知覚がプロプレセプションのみに寄与していることを評価し, 触覚情報が最も重要である手指領域を同定した。 これは、ボールの回転数と速度の両面でのバウディングのボール操作における最も強力なハードウェア結果である。 我々のフレームワークは,シム・トゥ・リアルのギャップを効果的に埋めることによって,物理ハードウェア上での触覚駆動の巧妙な操作を持続的に行うための新しいベンチマークを設定している。

関連論文リスト

• Real-Time Force Regulation for Whole-Hand Dexterous Grasping [56.253219596767075]
  本報告では, 接触の動的変化に対するリアルタイム力規制の枠組みについて述べる。 本手法は, 触覚を必要とせず, 全ハンドリンクにまたがる接触を幾何学的に推定する。 我々は,この力調節制御系を反応的リーチと統合し,手の動きを把握し,乱れ下で保持し,物体を失くした後の再生を可能にする。
  論文  参考訳（メタデータ） (2026-09-24T16:31:51Z)
• Bench2Dex: Benchmarking Visuo-Tactile Bimanual Dexterous Manipulation Across Dexterous Hands [99.00248904465089]
  指の構造、接触面、センサーレイアウトが異なる。 本報告では,12手にわたるバイスオタクティルバイマニュアル操作のシミュレーションベンチマークであるBench2Dexについて述べる。
  論文  参考訳（メタデータ） (2026-09-14T15:22:59Z)
• Blind Dexterous Grasping via Real2Sim2Real Tactile Policy Learning [6.509572742369941]
  触覚のみのブラインドグリップのためのフレームワークを提案する。 本研究では,実際の触覚信号を再現可能な接触校正型デジタル双極子シミュレータを構築するReal2Sim触覚校正パイプラインを提案する。 第2に,センサ・ジオメトリを組み込んだレイアウト認識型触覚エンコーダによる触覚観察の表現性を,自己教師付き事前学習により改善する。 第3に、未確認物体への一般化を改善するため、校正されたシミュレーターにおいて、オブジェクト固有の強化学習の専門家を訓練し、得られた把握軌道を触覚条件付き拡散ポリシーに集約する。
  論文  参考訳（メタデータ） (2026-06-10T07:46:38Z)
• Beyond Binary: Sim-to-Real Dexterous Manipulation with Physics-Grounded Contact Representation [51.463992799813816]
  コンタクトリッチな操作における主要なボトルネックは、現実世界のデータ収集の難しさである。 物理原理に基づく効果的な触覚表現であるCenter-of-Pressureを紹介する。 我々は2つのブラインドで困難なコンタクトリッチな操作タスクについてCoPを評価する。
  論文  参考訳（メタデータ） (2026-05-27T17:59:02Z)
• PTLD: Sim-to-real Privileged Tactile Latent Distillation for Dexterous Manipulation [43.81692375130905]
  PTLD: sim-to-real Privileged Tactile Latent Distillationを紹介した。 PTLDは触覚感覚を取り入れることで,シミュレーションで訓練されたプロテアーゼの制御ポリシーを著しく改善することができることを示す。
  論文  参考訳（メタデータ） (2026-03-04T19:17:42Z)
• 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)
• OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction [93.88239833545623]
  OpenTouchは、最初のインザワイルドなエゴセントリックなフルハンド触覚データセットです。 触覚信号は,理解のためのコンパクトで強力なキューを提供する。 我々は,マルチモーダルな自我中心の知覚,具体的学習,接触に富むロボット操作の促進を目指す。
  論文  参考訳（メタデータ） (2025-12-18T18:18:17Z)
• AnyRotate: Gravity-Invariant In-Hand Object Rotation with Sim-to-Real Touch [9.606323817785114]
  我々は,高密度のsim-to-realタッチを用いた重力不変多軸物体回転システムであるAnyRotateを提案する。 我々の定式化により、統一されたポリシーの訓練により、任意の回転軸に関する未知の物体を任意の方向で回転させることができる。 リッチな多指触覚センシングは不安定な把握を検知し、ポリシーの堅牢性を改善するリアクティブな振る舞いを提供する。
  論文  参考訳（メタデータ） (2024-05-12T22:51:35Z)
• Neural feels with neural fields: Visuo-tactile perception for in-hand manipulation [57.60490773016364]
  マルチフィンガーハンドの視覚と触覚を組み合わせることで,手動操作時の物体の姿勢と形状を推定する。 提案手法であるNeuralFeelsは,ニューラルネットワークをオンラインで学習することでオブジェクトの形状を符号化し,ポーズグラフ問題を最適化して共同で追跡する。 私たちの結果は、タッチが少なくとも、洗練され、そして最も最良のものは、手動操作中に視覚的推定を曖昧にすることを示しています。
  論文  参考訳（メタデータ） (2023-12-20T22:36:37Z)

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。