論文の概要: GPT-6 Astra Is a Native Visuo-Tactile Policy for Contact-Rich Manipulation
- arxiv url: http://arxiv.org/abs/2610.26846v1
- Date: Mon, 19 Oct 2026 17:59:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:52:48.934983
- Title: GPT-6 Astra Is a Native Visuo-Tactile Policy for Contact-Rich Manipulation
- Title（参考訳）: GPT-6 Astraはコンタクトリッチ操作のためのネイティブ・バイスオ・タクティル・ポリシー
- Abstract要約: GPT-6 アストラは、コンテキスト内学習を通じてロボット操作を行うために使用される。
我々は、Astraが直接視覚ベースの触覚イメージを解釈し、その接触手段を用いて操作する最初のデモンストレーションを提供する。
ビスオ触覚入力により、アストラは93.8%と81.8%の平均成功率を達成し、報告されている最強の専門家ベースラインを上回っている。
- 参考スコア（独自算出の注目度）: 6.373390584411883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in multimodal models have enabled GPT-6 Astra to perform robotic manipulation through in-context learning. Yet contact-rich control and tactile perception are often regarded as strengths of specialist policies, leaving open whether Astra can directly understand and use tactile observations. We provide, to our knowledge, the first demonstration that Astra directly interprets vision-based tactile images and uses their contact cues for manipulation. Tactile RGB images enter through its existing visual interface, enabling few-shot closed-loop control on nineteen simulated UniVTAC and OpenViTac tasks with 210 sampled scene seeds per setting. With visuo-tactile input, Astra achieves mean success rates of 93.8% and 81.8%, exceeding the strongest reported specialist baselines in our comparison by 22.9 and 13.1 percentage points, respectively. Vision-only performance also leads these baselines, reaching 76.3% and 80.6%. Trajectory analysis reveals active probing, cautious grasping, contact-guided alignment, and recovery, alongside difficulties with tangential loading and corrective execution. Our findings challenge the exclusivity of specialist policies in contact-rich manipulation and show that fine-grained vision can partially compensate for missing touch. They also identify vision-based tactile sensing as an interface for scaling contact understanding with foundation models and reveal signs of benchmark saturation. These results motivate joint visual-tactile pretraining, harder contact-rich evaluations, and physical-robot validation.
- Abstract（参考訳）: マルチモーダルモデルの最近の進歩により、GPT-6 Astraはコンテキスト内学習を通じてロボット操作を行えるようになった。
しかし、接触に富んだ制御と触覚の知覚は、しばしば専門的な政策の強みと見なされ、アストラが触覚の観察を直接理解し利用できるかどうかを未然に残している。
私たちの知る限り、Astraが視覚ベースの触覚画像を直接解釈し、その接触手段を操作に利用した最初のデモを提供する。
触覚RGBイメージは既存のビジュアルインターフェースから入力され、19のシミュレーションUniVTACとOpenViTacタスクのクローズドループコントロールと210のサンプルシーンシードが設定できる。
ビスオ触覚入力では、平均成功率は93.8%と81.8%で、それぞれ22.9ポイント、13.1ポイントと報告されている専門家ベースラインを上回っている。
視力のみのパフォーマンスもこれらのベースラインをリードし、76.3%、80.6%に達した。
軌道解析では、活発な探索、慎重な把握、接触誘導アライメント、回復、および具体的なロードと修正実行の困難が明らかにされている。
本研究は,コンタクトリッチな操作における専門的政策の排他性に挑戦し,微細な視力はタッチの欠如を部分的に補うことができることを示した。
また、基礎モデルとの接触理解を拡大し、ベンチマーク飽和の兆候を明らかにするためのインターフェースとして、視覚ベースの触覚センサーを識別する。
これらの結果は, 関節視触覚前訓練, 接触度の高い評価, 身体ロボットの検証を動機づける。
関連論文リスト
- DexTacWAM: A Visuo-Tactile World-Action Model for Dexterous Manipulation [62.08802141030416]
本稿では,指先を個別に符号化するビジュオ触覚WAMであるDexTacWAMを紹介する。
触覚潜伏剤をビデオ拡散世界モデルに注入し, 共同ビジュオ触覚世界モデリングを行う。
論文 参考訳（メタデータ） (2026-09-21T17:55:24Z) - PredTac: Learning Contact-Rich Manipulation with Predicted Touch [0.552480439325792]
触覚測定の代替として,予測タッチを定式化した。
触覚状態を因果的な視覚的観察から推定するフレームワークであるPredTacを提案する。
シミュレーションおよび実ロボット上での3つのコンタクトリッチな操作タスク間でPredTacを評価した。
論文 参考訳（メタデータ） (2026-09-14T08:19:55Z) - ViHaTeleop: A Low-Cost, Lightweight Visual-Haptic Teleoperation System for Dexterous Manipulation Learning [0.0]
ViHaTeleopは低コストの視覚触覚遠隔操作システムで、SLAMベースの手首追跡、カメラベースの手指追跡、リニア共振アクチュエータ(LRA)による指回りの振動フィードバックを備えている。
主観評価では, 接触明瞭度が有意に向上し, シミュレーションと実世界の両方で信頼感が得られた。
収集されたデモから視覚触覚ポリシーの訓練による予備的検証は、触覚的手がかりが接触クリティカルなサブタスクに有効であることを示す。
論文 参考訳（メタデータ） (2026-08-17T13:36:32Z) - ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction [42.34171808182058]
本稿では,コンタクトリッチなデクスタラス操作をサポートする視覚言語-アクションモデル(VLA)ReTouchを紹介する。
ReTouchは、触覚表現とクローズドループアクション生成の2つの主要なイノベーションの上に構築されている。
論文 参考訳（メタデータ） (2026-08-03T07:31:10Z) - CAAT: Contact-Aware Attention Scaling and Tactile Masking for Data-Efficient Contact-Rich Manipulation [10.252675409218057]
接触に富んだ操作では、視覚的な観察は自由空間における動きを導くが、触覚的な観察は接触中に特に有益になる。
標準トランスフォーマーベースのvisuo-tactileポリシーは一般的にトークンの連結か学習可能なゲーティングに依存する。
本稿では,注意スケーリングと動的触覚マスキングにより,接触先行情報を明示的に組み込んだ軽量な接触認識フレームワークであるCAATを提案する。
論文 参考訳（メタデータ） (2026-08-02T09:04:00Z) - Seeing Touch from Motion: A Unified Modality-Aware Visuo-Tactile Policy with Tactile Motion Correlation [74.87716678195099]
光触覚センサーを利用した視覚触覚ポリシーは、コンタクトリッチな操作において大きな可能性を秘めている。
これらの利点にもかかわらず、接触リッチな操作に必要なきめ細かい接触状態の抽出は未解決の課題である。
本研究では,触覚を触覚で認識し,触覚を触覚で表現する手法を提案する。
論文 参考訳（メタデータ） (2026-06-29T08:20:18Z) - SECOND-Grasp: Semantic Contact-guided Dexterous Grasping [60.1519218638742]
Second-Grasp (Semantic Contact-guided Dexterous Grasping) は、ロボットハンドが意味論的推論に基づいて把握戦略を調整できる統合されたフレームワークである。
我々のアプローチは、目に見えるカテゴリーと目に見えないカテゴリの両方で成功率を上げるために、一貫してベースラインを上回ります。
論文 参考訳（メタデータ） (2026-05-13T07:37:00Z) - UniVTAC: A Unified Simulation Platform for Visuo-Tactile Manipulation Data Generation, Learning, and Benchmarking [47.900334665380115]
シミュレーションベースのビジュオ触覚データプラットフォームUniVTACを提案する。
大規模なシミュレーション合成データに基づいて訓練されたビジュオ触覚エンコーダであるUniVTACエンコーダを紹介する。
代表的な8つのビジュオ触覚操作タスクからなるUniVTACベンチマークを提案する。
論文 参考訳（メタデータ） (2026-02-10T18:57:00Z) - 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) - The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes? [57.366931129764815]
両指にGelSight高解像度触覚センサを装着した2本指グリップを用いて,9000以上の握力試験を行った。
実験結果から,触覚を取り入れることで把握性能が著しく向上することが示唆された。
論文 参考訳（メタデータ） (2017-10-16T05:32:38Z)
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。