論文の概要: SwapBot: Tool-Centric Robot Manipulation via Interchangeable End-Effectors and Tactile Sensing

• arxiv url: http://arxiv.org/abs/2610.40646v1
• Date: Thu, 29 Oct 2026 17:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:14:15.101212
• Title: SwapBot: Tool-Centric Robot Manipulation via Interchangeable End-Effectors and Tactile Sensing
• Title（参考訳）: SwapBot: 交換可能なエンドエフェクタと触覚によるツール中心ロボット操作
• Abstract要約: ツール中心のエンドエフェクタシステムであるSwapBotを紹介した。 ユーザ調査によると、遠隔操作の間、SwapBotはタスク完了時間とオペレータのワークロードを削減する。 我々のアブレーション研究は、触覚増強デモを使用することで、接触に富むスキル間の政策パフォーマンスが向上することを示している。
• 参考スコア（独自算出の注目度）: 13.484859311527552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot manipulation in everyday environments inherently involves substantial tool usage. Seemingly simple household tasks, such as cooking pan-fried tofu, require forceful cutting, delicate brushing, and precise placement using different tools under contact-rich interaction. Thus, the ability to autonomously swap and use task-appropriate tools is important for tool-centric manipulation. We introduce SwapBot, a modular, tool-centric end effector system featuring low-cost adapters that quickly convert common household tools into robot end effectors. Rather than pursuing a single universal gripper, SwapBot adopts a unified design principle that combines a fixed robot-side coupling interface with low-cost, tool-side adapters, enabling compatibility with diverse tools, including articulated ones, and multiple robot platforms. Each adapter integrates compact tactile sensors, supports fast autonomous swapping, and interfaces with an intuitive teleoperation system for efficient demonstration collection. User studies show that, during teleoperation, SwapBot reduces task completion time and operator workload. Using collected demonstrations on the robot, we train imitation learning policies to successfully perform tool-centric tasks like cooking tofu, stirring salad, flipping meat. Our ablation study shows that using tactile-augmented demonstrations improves policy performance across contact-rich skills, increasing success rates by 15 to 25 percentage points over RGB-only policies. These results highlight modular, tactile-equipped tools as a practical and extensible pathway toward robust and capable robot manipulation. Project website https://personalrobotics.github.io/SwapBot.
• Abstract（参考訳）: 日常環境におけるロボット操作には、本質的に相当なツールの使用が伴う。 鍋揚げ豆腐を調理するなど、非常に単純な家庭作業には、力強い切削、繊細なブラッシング、接触に富んだ相互作用下での異なる道具を用いた精密な配置が必要である。 したがって、タスクに適したツールを自律的に交換し、使用する能力は、ツール中心の操作において重要である。 スワップボットはモジュール式でツール中心のエンドエフェクタシステムであり、低コストで一般的な家庭用ツールをロボットのエンドエフェクタに変換するアダプタを備えている。 単一のユニバーサルグリップを追求する代わりに、SwapBotは固定されたロボット側結合インターフェースと低コストのツール側アダプタを組み合わせた統一設計原則を採用しており、関節のついたものや複数のロボットプラットフォームを含む多様なツールとの互換性を実現している。 それぞれのアダプタは、コンパクトな触覚センサーを統合し、高速な自律スワップをサポートし、そして効率的なデモコレクションのための直感的な遠隔操作システムとインターフェースを提供する。 ユーザ調査によると、遠隔操作の間、SwapBotはタスク完了時間とオペレータのワークロードを削減する。 ロボット上で収集したデモを使って、模倣学習ポリシーを訓練し、豆腐の調理、サラダのかき混ぜ、肉のひっくり返しといったツール中心のタスクを成功させる。 以上の結果から, 触覚増強による実演は, 接触能力に富んだ政策性能の向上を図り, RGBのみの政策よりも15～25ポイントの成功率の向上を図った。 これらの結果は、モジュール式で触覚を備えたツールを、堅牢で有能なロボット操作への実用的で拡張可能な経路として強調している。 プロジェクト https://personalrobotics.github.io/SwapBot.com

関連論文リスト

• Any-ttach: Quick End-effector Swapping Enables Manipulation Dexterity with Simplicity [15.00126597335838]
  Any-ttachはツール中心の操作フレームワークで、クイックエンドエフェクタスワッピングをシンプルさでデキスタリティのメカニズムとして扱う。 このシステムは、様々なツールとエンドエフェクターモジュールをサポートしており、日々のツール、ハサミ、フィンレイの指、低コストの人為的手などがある。 実験の結果,Any-ttachはツールスワッピングの信頼性を向上し,実演効率を向上し,ツール目的の多様性を低減し,多様なツール利用スキルをサポートすることがわかった。
  論文  参考訳（メタデータ） (2026-05-28T21:00:52Z)
• EasyMimic: A Low-Cost Framework for Robot Imitation Learning from Human Videos [51.158081196253626]
  EasyMimicは、人間のビデオデモからロボットが操作ポリシーを学習することを可能にするフレームワークである。 本手法は,まずビデオから手指の3次元軌跡を抽出する。 アクションアライメントモジュールは、これらの軌道を低コストロボットのグリップ制御空間にマッピングする。
  論文  参考訳（メタデータ） (2026-02-12T00:41:01Z)
• Tool-as-Interface: Learning Robot Policies from Observing Human Tool Use [20.644849892016122]
  ツール使用に関する知識を人間からロボットに伝達するフレームワークを提案する。 さまざまなツール・ユース・タスクにまたがってフレームワークの有効性を実証する。 本手法は遠隔操作による拡散政策よりもタスク成功率を71%向上させる。
  論文  参考訳（メタデータ） (2025-04-06T20:40:19Z)
• VidBot: Learning Generalizable 3D Actions from In-the-Wild 2D Human Videos for Zero-Shot Robotic Manipulation [53.63540587160549]
  VidBotは、WildのモノクルなRGBのみの人間ビデオから学習した3Dアベイランスを使って、ゼロショットロボット操作を可能にするフレームワークである。 VidBotは、人間の日常的なビデオを利用してロボットの学習をよりスケーラブルにする。
  論文  参考訳（メタデータ） (2025-03-10T10:04:58Z)
• Whole-Body Teleoperation for Mobile Manipulation at Zero Added Cost [8.71539730969424]
  MoMa-Teleopは、既存のインターフェースからエンドエフェクタ動作を推測する新しい遠隔操作手法である。 提案手法は,様々なロボットやタスクに対して,タスク完了時間が大幅に短縮されることを実証する。
  論文  参考訳（メタデータ） (2024-09-23T15:09:45Z)
• Learning Variable Compliance Control From a Few Demonstrations for Bimanual Robot with Haptic Feedback Teleoperation System [5.497832119577795]
  厳格なロボットを使った、きめ細やかな、接触に富んだ操作は、ロボット工学において重要な課題である。 外部センサを介して力を制御することでこれらの問題を緩和するために、コンプライアンス制御スキームが導入されている。 Demonstrationsからの学習は直感的な代替手段であり、ロボットは観察された動作を通じて操作を学習できる。
  論文  参考訳（メタデータ） (2024-06-21T09:03:37Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)

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。