Fugu-MT 論文翻訳(概要): Tactus: Tactile & Pose Sensing Glove for Natural Dexterity Data Collection

論文の概要: Tactus: Tactile & Pose Sensing Glove for Natural Dexterity Data Collection

arxiv url: http://arxiv.org/abs/2610.39076v2
Date: Sat, 31 Oct 2026 22:05:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-04 02:41:45.008115
Title: Tactus: Tactile & Pose Sensing Glove for Natural Dexterity Data Collection
Title（参考訳）: Tactus: 天然デキスタリティデータ収集のための触覚とポスセンシンググローブ
Abstract要約: 繊維集積型センシンググローブは、細くコンフォーマルな3Dニットフォームファクター、容量型触覚センサー、IMU融合型ポーズトラッキングの3つのデザイン柱を併用する。タクタスは95%の信頼度で0.59Nの最小力、1.6-2.7倍の値、0.87の交差成分の整合性を持つ。これらの組み合わせ信号は,物体特性推定,すべり検出,手-物体相互作用の代表的な記録を支援する。
参考スコア（独自算出の注目度）: 38.37738918044722
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Collecting naturalistic human manipulation demonstrations with accurate contact force and hand pose is essential for robot dexterous manipulation policy and foundational world model learning - yet no existing wearable platform provides both calibrated fingertip force sensing and occlusion-resilient hand tracking in a form factor that preserves natural manipulation behavior. We present Tactus, a textile-integrated sensing glove that co-optimizes three design pillars: (1) a thin, conformal 3D-knit form factor (1.5 mm fingertip stackup) designed to minimize interference with natural manipulation, (2) strategically placed capacitive tactile sensors at manipulation-relevant regions informed by empirical contact studies, and (3) IMU-fused pose tracking that maintains accuracy through the hand-object occlusions where manipulation data is most valuable. Tactus includes a documented calibration pipeline for cross-glove consistency and per-session calibration for subject-dependent correction. To enable objective comparison, we introduce standardized benchmarking protocols for tactile force regression and hand pose estimation, and apply them to Tactus and two commercially available tactile gloves - to our knowledge the first quantitative cross-platform evaluation of this kind. Tactus resolves a minimum detectable force of 0.59 N at 95% confidence, 1.6 - 2.7x lower than the commercial baselines, and with 0.87 cross-participant consistency, while our pose tracking sustains 11.0 mm fingertip keypoint relative error during manipulation, when occlusion is heaviest. We show that these combined signals support object property estimation, slip detection, and representative recording of hand-object interaction - yielding demonstration data with the fidelity required for contact-aware manipulation policies and world models.
Abstract（参考訳）: ロボットの巧妙な操作ポリシーと基礎的な世界モデル学習には、正確な接触力と手振りで自然主義的な人間の操作のデモンストレーションを収集することが不可欠である。本研究では,(1)自然操作への干渉を最小限に抑えるために設計された細い3Dニット形状因子(1.5mmフィンガーチップスタック),(2)経験的接触研究から得られた操作関連領域の容量型触覚センサ,(3)操作データが最も価値のあるハンドオブジェクトオクルージョンを通じて精度を維持するIMU融合型ポーズトラッキングの3つの設計柱を共用する繊維集積型センシンググローブであるTactusについて述べる。 Tactusには、クロスグローブ一貫性のための文書化されたキャリブレーションパイプラインと、対象に依存した修正のためのセッションごとのキャリブレーションが含まれている。触覚力の回帰とポーズ推定のための標準化されたベンチマークプロトコルを導入し,タクタスと市販の2つの触覚手袋に適用した。タクタスは95%の信頼度で0.59Nの最小検出力、1.6-2.7xの商業的基準線より低く、かつ0.87の断続的整合性を持ち、我々のポーズトラッキングはオクルージョンが最も重い操作において11.0mmの指先相対誤差を持続する。これらの組み合わせ信号は, 物体特性推定, すべり検出, および手動物体間相互作用の代表的な記録をサポートし, 接触認識操作ポリシーや世界モデルに要求される忠実さによる実演データが得られることを示す。

関連論文リスト

What the Sleeve Feels: Explainable Machine Learning for Textile Pressure-Based Postural Screening [0.0]
圧力を感知するスマートテキスタイルは、体表面の接触を、姿勢や動きに結びついた密集した画像のような信号に変換する。テストベッドとして前腕に装着したニット状ピエゾ抵抗性スリーブを併用した3つの要件について検討した。
論文参考訳（メタデータ） (2026-10-07T13:04:23Z)
Touch2Trace: Tactile-Driven Imitation Learning for Dexterous Cable Tracing [14.47442816420603]
本稿では,触覚駆動によるデキスタスケーブルトレースの模倣学習システムであるTouch2Traceを紹介する。我々の知る限り、エンコーダの事前訓練、制御率、時間的文脈、および各形状ポリシー性能の空間分解能に関する最初の体系的な実世界の特徴を提供する。その結果, 触覚駆動システムにおけるキーパラメータの影響を定量的に評価した。
論文参考訳（メタデータ） (2026-09-14T17:32:25Z)
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)
Pose-Aware Modeling to Mitigate Pose-Related Artifacts in Tactile Gloves [12.960256702707596]
触覚手袋は、手動物体の相互作用において接触と力のデジタル化を行う。フレキシブルセンサーは接触力だけでなく手ポーズの変化にも敏感で、ポーズ関連アーティファクト(PRA)をもたらす。我々は,手振り情報を活用するグローブ非依存のアルゴリズムフレームワークを導入し,手袋の修正を伴わずにPRAを緩和する。
論文参考訳（メタデータ） (2026-07-25T00:12:31Z)
A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
論文参考訳（メタデータ） (2026-07-17T03:03:19Z)
Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulation [17.63466252699545]
人間のような器用な手は人間レベルの操作機能を提供するが、実際のハードウェアにデプロイできるコントロールポリシーを訓練することは困難である。本稿では,高密度触覚フィードバックと関節トルクセンサを併用したシミュレート・トゥ・リアル強化学習法を提案する。これは、シミュレーションで完全に訓練され、実際のハードウェア上でゼロショットを転送するマルチフィンガーデキスタラスハンドにおける制御可能なグリップの初めてのデモンストレーションである。
論文参考訳（メタデータ） (2026-07-06T11:15:36Z)
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)
Visuo-Tactile Object Pose Estimation for a Multi-Finger Robot Hand with Low-Resolution In-Hand Tactile Sensing [9.970043211592058]
把握された物体の正確な3Dポーズ推定は、ロボットが組み立てや手動操作を行うための重要な前提条件である。本稿では,視覚情報とプロバイオセプションを2値の低解像度触覚接触測定と組み合わせることで,この問題を軽減することを提案する。
論文参考訳（メタデータ） (2025-03-25T17:53:53Z)
Deformer: Dynamic Fusion Transformer for Robust Hand Pose Estimation [59.3035531612715]
既存の方法では、手のこもりが強かったり、ぼやけたりすると、手のポーズが難しい場合が多い。ビデオでは、手の動きによって、片方のフレームに隠されたり、ぼやけたりして、手のさまざまな部分を観察することができる。画像内の手の部分間の関係を暗黙的に推論するフレームワークであるDeformerを提案する。
論文参考訳（メタデータ） (2023-03-09T02:24:30Z)

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。