論文の概要: ContactKernels: Adaptive Proposals using Geometry-COnditioned Wrenches for Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2610.23887v1
- Date: Sat, 26 Sep 2026 15:36:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:54:22.496094
- Title: ContactKernels: Adaptive Proposals using Geometry-COnditioned Wrenches for Contact-Rich Manipulation
- Title（参考訳）: ContactKernels: 接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・
- Abstract要約: 接触適応型提案カーネルは、幾何学条件付きレンチ測定を用いて、接触位置と局所接触形状を推定する。
シミュレーションおよび実ロボット上で,複数の挿入ジオメトリにまたがる,予測サンプリング(PS)とモデル予測パス積分(MPPI)制御による接触カーネルの評価を行った。
- 参考スコア（独自算出の注目度）: 24.261096270825615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contact-rich insertion requires precise geometric alignment despite uncertainty in perception, geometry, and con- trol. When this uncertainty causes unintended contact, the re- sulting contact provides local information that can guide correc- tive motion. Sampling-based Model Predictive Control (SMPC) is well suited to this setting because it optimizes through forward simulation without requiring gradients through contact dynamics. However, standard SMPC methods typically use generic proposal distributions that do not exploit observed contact to determine where to search next. We introduce ContactKernels, a contact-adaptive proposal kernel that uses geometry-conditioned wrench measurements to estimate contact location and local contact geometry. The estimated contact state directly adapts the proposal distribution: contact location biases the search toward corrective motions, while the contact normal shapes the sampling covariance. We evaluate ContactKernels with Predictive Sampling (PS) and Model Predictive Path Integral (MPPI) control across multiple insertion geometries in simulation and on a real robot. In simulation, ContactKernels improves mean insertion success by over 50 % points across both controllers. On the real robot, it increases insertion success from 53.3 % to 90.0 % and reduces mean time to insertion by 33 %. These results show that contact information can improve sampling-based control not only as feedback, but also by directly determining where the controller searches
- Abstract（参考訳）: コンタクトリッチ挿入は、知覚、幾何学、コントロールの不確実性にもかかわらず、正確な幾何学的アライメントを必要とする。
この不確実性が意図しない接触を引き起こすとき、再侮辱的接触は、コレクティブ運動を導くことのできる局所情報を提供する。
サンプリングベースのモデル予測制御(SMPC)はこの設定によく適している。
しかし、標準のSMPCメソッドは一般的に、観測された接触を利用せずに次に検索する場所を決定する一般的な提案分布を使用する。
本研究では,接触位置と局所接触形状を推定するために,幾何条件のレンチ計測を用いた接触適応型提案カーネルであるContactKernelsを紹介する。
推定された接触状態は提案分布に直接適応し、接触位置は探索を補正運動に偏り、接触は通常はサンプリング共分散を形作る。
我々は,複数の挿入ジオメトリを横断するMPPI制御とPS(Predictive Smpling)とMPPI(Model Predictive Path Integral)を用いて,シミュレーションおよび実ロボット上でのコンタクトケルンの評価を行った。
シミュレーションでは、ContactKernelsは平均挿入成功率を両コントローラ間で50%以上改善する。
実際のロボットでは、挿入成功率は53.3%から90.0%に増加し、平均挿入時間を33%減少させる。
これらの結果から, コンタクト情報により, フィードバックだけでなく, コントローラの検索位置を直接決定することで, サンプリングベース制御を改善できることが示唆された。
関連論文リスト
- Force-Based Offset Estimation for Keyed Peg-in-Hole Assembly Using Local Gaussian Process Regression [0.0]
キーキーウェイ組立タスクは厳密な幾何学的制約を課し、不確実な環境でのポーズの偏差の把握に非常に敏感である。
本研究は,知覚評価パイプライン内に埋め込まれたキー付きペグ・イン・ホール・アセンブリの力量に基づくオフセット推定手法を提案する。
論文 参考訳（メタデータ） (2026-08-18T12:06:35Z) - TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation [3.8628620899766553]
全腕操作では、ロボットがタスクを完了する間、環境と直接接触する。
本稿では,TACTIC(Tactile and Vision Conditioned Contact-Centric Control)を提案する。
論文 参考訳（メタデータ） (2026-07-10T09:08:55Z) - Simultaneous Contact Selection and Planning for Contact-Rich Manipulation with Cascaded Optimization [13.62351324931659]
本稿では、接触リッチな操作を堅牢にするための最適化ベースのフレームワークを提案する。
接触ダイナミクスとスパース勾配の相補性のため、アクティブな接触位置選択は困難である。
同時接触選択とプランニングは,不正確な力学と知覚ノイズの下で多様な操作行動と頑健な制御をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-27T05:07:19Z) - From swept contact to pose: Probe-aware registration via complementary-shape docking [41.01931030228033]
コンタクト登録は高精度なロボット操作に不可欠である。
補足型ドッキングとして接触登録を再構成するキャリブレーションフリーの代替案を提案する。
低分解率SO(3)試料に対する3次元FFT相関によるグローバル・ローカル検索を統合した。
論文 参考訳（メタデータ） (2026-05-20T16:56:39Z) - Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。
本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-16T10:20:05Z) - Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。
カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。
我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
論文 参考訳（メタデータ） (2026-02-28T09:21:21Z) - Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。
オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
論文 参考訳（メタデータ） (2023-05-19T23:52:48Z) - Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。
本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。
我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
論文 参考訳（メタデータ） (2023-04-21T08:50:52Z) - Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。
入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。
実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-09-15T17:05:02Z) - Locally Aware Piecewise Transformation Fields for 3D Human Mesh
Registration [67.69257782645789]
本論文では,3次元変換ベクトルを学習し,提案空間内の任意のクエリ点をリザーブ空間内の対応する位置にマップする部分変換場を提案する。
パラメトリックモデルにネットワークのポーズを合わせることで、特に極端なポーズにおいて、より優れた登録品質が得られることを示す。
論文 参考訳（メタデータ） (2021-04-16T15:16:09Z)
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。