論文の概要: Touch Where It Matters: Learning Local Tactile Policies for Fine-Grained Gripper Control

• arxiv url: http://arxiv.org/abs/2610.24485v1
• Date: Sat, 17 Oct 2026 06:10:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 12:00:07.028366
• Title: Touch Where It Matters: Learning Local Tactile Policies for Fine-Grained Gripper Control
• Title（参考訳）: タッチ:きめ細かいグリッパー制御のための局所的触覚ポリシーの学習
• Abstract要約: 本研究では,タスク実行中の局所的なフィードバック問題として,きめ細かいグリップ制御について検討する。 提案手法では,触覚フィードバックをコンタクトリッチタスク段階における専用制御の役割に割り当てる。 我々は、視覚的ベースポリシーが腕を制御している間、グリップを乗っ取る学習されたローカルコントローラであるContactPolicyを紹介した。
• 参考スコア（独自算出の注目度）: 4.871965587776022
• License:
• Abstract: Visual imitation policies can organise task motion, yet contact-rich object use demands gripper adjustments beyond coarse opening and closing. We study fine-grained gripper control as a local feedback problem within ongoing task execution. Our approach assigns tactile feedback a dedicated control role during contact-rich task stages. We introduce ContactPolicy, a learned local controller that takes over the gripper while a visual base policy continues to control the arm. ContactPolicy combines tactile and force histories with current robot state to jointly predict gripper increments and their modulation, updating the gripper target from each new observation. An Intent policy manages control handover between the visual base policy and ContactPolicy. Real-world experiments on container opening, object handling, and tool operation show improved task success over both the Visuomotor Policy and Tactile-Force Policy baselines. Execution analysis illustrates how the gripper adjusts contact within an ongoing task, including periods of target retention and fine-grained changes as interaction conditions evolve. Arm-state ablations and failure analysis further examine how execution context supports local regulation. These results support task-local tactile policies for fine-grained gripper control within visual manipulation.
• Abstract（参考訳）: 視覚的な模倣ポリシーはタスクの動作を整理するが、接触に富んだオブジェクトの使用は、粗い開閉以上のグリップ調整を要求する。 本研究では,タスク実行中の局所的なフィードバック問題として,きめ細かいグリップ制御について検討する。 提案手法では,触覚フィードバックをコンタクトリッチタスク段階における専用制御の役割に割り当てる。 我々は、視覚的ベースポリシーが腕を制御している間、グリップを乗っ取る学習されたローカルコントローラであるContactPolicyを紹介した。 ContactPolicyは、触覚と力の履歴を現在のロボットの状態と組み合わせて、グリップインクリメントとその変調を共同で予測し、新しい観測からグリップターゲットを更新する。 Intent Policyは、ビジュアルベースポリシーとContactPolicy間のコントロールハンドオーバを管理する。 コンテナのオープニング、オブジェクトハンドリング、ツール操作に関する実世界での実験は、Visuomotor PolicyとTactile-Force Policyのベースラインの両方よりも、タスクの成功が向上したことを示している。 実行分析は、グラッパーが目標保持期間や相互作用条件の進化に伴うきめ細かい変化を含む、進行中のタスク内で接触を調整する方法を示している。 アームステートの短縮と障害解析は、実行コンテキストがローカルレギュレーションをどのようにサポートするかをさらに調べる。 これらの結果は、視覚操作におけるきめ細かいグリップ制御のためのタスクローカルな触覚ポリシーをサポートする。

関連論文リスト

• Generative Policy Improvement from Observational Data [58.95974626211867]
  PolicyLiftは、観測データから構造化されたアクションで生成ポリシーを改善するためのフレームワークである。 本稿では,アクションコードに対するポリシーの改善が,元々のアクション空間における誘導ポリシーの改善を保証することを理論的に示す。
  論文  参考訳（メタデータ） (2026-10-16T13:20:43Z)
• Wrench-ACT: Enhancing Robot Policies for Contact Rich Behavior Using Direct Wrench Control [8.98848679442351]
  本稿では,純粋力制御器による直接使用のための唯一の動作出力としてレンチを予測できる模倣学習ポリシーを提案する。 両面のレンチデモでシングルタスクモデルを訓練し、5つのコンタクトリッチな操作タスクで評価する。
  論文  参考訳（メタデータ） (2026-09-29T13:29:06Z)
• HACo: Learning Haptic Active Compliance for Force-Aware Dexterous Manipulation [12.372274717502513]
  本稿では,ハプティック・アクティブ・コンプライアンス・ポリシーであるHACoを紹介する。 我々は,多接触摩擦,接種相互作用,脆性曲面接触,回転トルク,変形性物体操作を含む実世界のベンチマークでHACoを評価した。
  論文  参考訳（メタデータ） (2026-09-29T03:17:04Z)
• TAO-Force: Unifying Force-Aware Perception and Fast-Slow Control for Contact-Rich Manipulation [8.394835304414192]
  本稿では,力覚政策学習と接触制御実行を組み合わせた強制条件付きVLAフレームワークTAO-Forceを提案する。 力覚認識のために、TAO-ForceはF-FiLM(Force-conditioned Feature-wise Linear Modulation)を導入し、凍結した視覚言語バックボーンの表現にエンコードされた力フィードバックを注入する。 応答性制御には、非接触相における名跡軌跡追跡の遅い位置制御分岐と、接触相における物理的相互作用を制御する高速アプタンス制御分岐と、接触ゲート型高速スローアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2026-09-16T11:34:45Z)
• ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
  ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。 ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。 また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
  論文  参考訳（メタデータ） (2026-05-11T13:27:00Z)
• Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation [55.969741720077565]
  コンタクトリッチな操作は、人間のような知覚と力のフィードバックの統合を要求する。 既存の学習ベースのポリシは、これらの役割をモノリシックなネットワークに束縛することが多い。 本研究では,グローバル・ローカル・ビジョン・フォース・ポリシーを提案する。このポリシーでは,グローバル・グローバル・ポリシーが視覚を用いて自由空間動作を誘導し,接触時に,力フィードバックによる高周波ローカル・ポリシーが相互作用フレームを推定し,安定した相互作用のためのハイブリッド・フォース・ポジション・コントロールを実行する。
  論文  参考訳（メタデータ） (2026-02-25T16:35:24Z)
• TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance [53.35296919674763]
  TouchGuideは、低次元のアクション空間内でモダリティを融合させる、クロス政治的なビズオ触覚融合パラダイムである。 TouchGuideは、事前訓練された拡散またはフローマッチングビズモータポリシーをガイドする2つの段階で動作する。 高品質で費用対効果の高いデータによるTouchGuideトレーニングを容易にするために,データ収集システムであるTacUMIを導入する。
  論文  参考訳（メタデータ） (2026-01-28T04:22:47Z)
• Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation [58.95799126311524]
  人間は視覚と触覚を使って、外的変化に対する迅速な応答や接触力の適応制御のような非常に反応性の高い能力で、コンタクトリッチなタスクを達成できる。 既存の視覚模倣学習アプローチは、複雑な振る舞いをモデル化するためにアクションチャンキングに依存している。 本稿では,Augmented Realityを通じてリアルタイム触覚フィードバックを提供する,低コスト遠隔操作システムであるTactARを紹介する。
  論文  参考訳（メタデータ） (2025-03-04T18:58:21Z)
• Distilling Motion Planner Augmented Policies into Visual Control Policies for Robot Manipulation [26.47544415550067]
  我々は,国家ベースのモーションプランナ拡張ポリシーを視覚制御ポリシーに蒸留することを提案する。 閉塞環境における3つの操作課題について評価を行った。 我々のフレームワークはサンプリング効率が高く、最先端のアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2021-11-11T18:52:00Z)

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。