論文の概要: TacMind: Benchmarking and Modeling Tactile Interaction States for Robotic Manipulation
- arxiv url: http://arxiv.org/abs/2611.00455v1
- Date: Fri, 30 Oct 2026 23:13:52 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:01:35.497793
- Title: TacMind: Benchmarking and Modeling Tactile Interaction States for Robotic Manipulation
- Title（参考訳）: TacMind: ロボットマニピュレーションのための触覚インタラクション状態のベンチマークとモデリング
- Abstract要約: 本研究では,3つの相補的評価体制(精度,認識,動的)を中心に構成された128のタスクからなるシミュレーションのベンチマークを開発する。
本稿では,触覚履歴を統合した動作条件付き潜時予測世界モデルを提案する。
提案したベンチマーク実験は, 評価体制全体にわたる触覚情報の導入による一貫した利得を示す。
- 参考スコア（独自算出の注目度）: 20.866611318857306
- License:
- Abstract: Tactile sensing provides robots with direct observations of contact physics, local geometry, and interaction dynamics, making it a vital source of feedback for contact-rich manipulation. However, existing tactile manipulation studies are often developed and evaluated within specific task settings, making it difficult to systematically compare how tactile information contributes under different interaction conditions. In this work, we develop a benchmark in simulation comprising 128 tasks organized around three complementary evaluation regimes: Precise, Recognition, and Dynamic. The benchmark further includes controlled static and dynamic task variants and 12 perturbation settings for evaluating robustness under changes in visual and physical conditions. These settings motivate studying tactile information as a temporally evolving interaction representation rather than only as an instantaneous observation. We therefore propose an action-conditioned latent predictive world model that integrates tactile history and learns a tactile state through prediction of future tactile latents. Building on this representation, we design a model that conditions action generation on the learned tactile state and uses predicted future tactile information to refine candidate actions through predictive tactile reflection. Experiments on the proposed benchmark show consistent gains from incorporating tactile information across the evaluated regimes. Project Page: https://tacmind-bench.github.io/
- Abstract（参考訳）: 触覚は、接触物理、局所幾何学、相互作用のダイナミクスを直接観察するロボットを提供する。
しかし、既存の触覚操作研究は特定のタスク設定で開発・評価されることも多く、異なる相互作用条件下での触覚情報がどのように寄与するかを体系的に比較することは困難である。
本研究では,3つの相補的評価体制(精度,認識,動的)を中心に構成された128のタスクからなるシミュレーションのベンチマークを開発する。
ベンチマークには、静的および動的タスクの制御と、視覚的および物理的条件の変化の下で堅牢性を評価するための12の摂動設定が含まれている。
これらの設定は、触覚情報を瞬間的な観察としてだけではなく、時間的に進化する相互作用表現として研究する動機となっている。
そこで本研究では,触覚履歴を統合し,将来の触覚潜伏状態を予測することで触覚状態を学習する動作条件付き潜伏予測世界モデルを提案する。
この表現に基づいて、学習した触覚状態にアクション生成を条件付け、予測された将来の触覚情報を用いて予測された触覚反射を通じて候補動作を洗練するモデルを設計する。
提案したベンチマーク実験は, 評価体制全体にわたる触覚情報の導入による一貫した利得を示す。
Project Page: https://tacmind-bench.github.io/
関連論文リスト
- Embodied Task Agents Can Perform Fine Manipulation through Tactile In-Context Learning [47.82260577588391]
具体的タスクエージェントは,タスク固有のモデルトレーニングを使わずに,触覚体験を用いて微調整を行うことができるかを検討する。
本研究では,触覚体験を具体的タスクエージェントに組み込むシステムであるTactile-ETAを開発した。
論文 参考訳（メタデータ） (2026-10-20T04:27:15Z) - 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) - UniTacVLA: Unified Tactile Understanding and Prediction in Vision Language Action Models [32.87879913150572]
コンタクトリッチな操作のための統合された触覚学習フレームワークを提案する。
提案手法は,既存手法よりも成功率,操作精度,接触堅牢性を向上することを示す。
論文 参考訳（メタデータ） (2026-06-30T14:24:00Z) - TouchThinker: Scaling Tactile Commonsense Reasoning to the Open World with Large-scale Data and Action-aware Representation [50.608989079323784]
データと表現の両方の観点から,触覚コモンセンス推論をオープンワールドに拡張する触覚言語フレームワークであるTouchThinkerを提案する。
まず,Textbf415オブジェクト, textbf8シナリオ, textbf7センサタイプをカバーする,100万規模のマルチソース触覚推論データセットであるTouchThinker-1Mを構築した。
そこで本研究では,触覚表現効率を向上し,効率的な推論を可能にする行動認識モデリング機構を提案する。
論文 参考訳（メタデータ） (2026-06-10T03:58:32Z) - RoboPack: Learning Tactile-Informed Dynamics Models for Dense Packing [38.97168020979433]
本稿では, 視覚と触覚を組み合わせ, 触覚インフォームド・ダイナミックスモデルを学習することでロボット操作を実現するアプローチを提案する。
提案するフレームワークであるRoboPackは、オブジェクト状態を推定するために、リカレントグラフニューラルネットワークを使用している。
我々は,非包括的操作と密包装作業に対するソフトバブル触覚センサを備えた実ロボットへのアプローチを実証する。
論文 参考訳（メタデータ） (2024-07-01T16:08:37Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳（メタデータ） (2021-09-09T16:04:14Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - Learning Intuitive Physics with Multimodal Generative Models [24.342994226226786]
本稿では,視覚と触覚のフィードバックを融合させ,動的シーンにおける物体の動きを予測する枠組みを提案する。
我々は、接触面の高解像度マルチモーダルセンシングを提供する新しいSee-Through-your-Skin(STS)センサを使用します。
物体の静止状態を所定の初期条件から予測するシミュレーションおよび実世界の実験を通じて検証する。
論文 参考訳（メタデータ） (2021-01-12T12:55:53Z)
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。