論文の概要: Evaluating Tactile Foundation Models for End-to-End Imitation Learning in Contact-Rich Manipulation

• arxiv url: http://arxiv.org/abs/2611.00957v1
• Date: Sat, 31 Oct 2026 14:00:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-13 08:50:15.514395
• Title: Evaluating Tactile Foundation Models for End-to-End Imitation Learning in Contact-Rich Manipulation
• Title（参考訳）: コンタクトリッチ操作におけるエンド・ツー・エンド模倣学習のための触覚基礎モデルの評価
• Abstract要約: 触覚は、コンタクトリッチな操作のための模倣学習において重要な役割を担っている。 いくつかの触覚基礎モデル (TFM) が事前学習を通じて汎用的な触覚表現を学習するために提案されている。 共同実験環境下でのコンタクトリッチ操作の有効性を系統的に評価した。
• 参考スコア（独自算出の注目度）: 2.9664415451015373
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tactile sensing plays an important role in imitation learning for contact-rich manipulation by providing direct observations of physical contact with objects. Recently, several tactile foundation models (TFMs) have been proposed to learn general-purpose tactile representations through pretraining on large-scale tactile datasets. However, how these pretrained tactile representations should be leveraged for end-to-end imitation learning remains insufficiently explored. In this work, we integrate multiple TFMs into Diffusion Policy and systematically evaluate their effectiveness for contact-rich manipulation under common experimental settings. We further investigate adaptation strategies, including encoder fine-tuning and task-specific mid-training, to understand how pretrained tactile representations can be effectively used for downstream imitation learning. Through extensive evaluation across diverse manipulation tasks in both real-world and simulation environments, including more than 5,000 real-world policy rollouts, we provide empirical insights into the use of TFMs for end-to-end imitation learning. Project page: https://mmurooka.github.io/tfm4il-project-page/
• Abstract（参考訳）: 触覚は、物体との物理的接触を直接観察することで、接触に富んだ操作を模倣する学習において重要な役割を担っている。 近年,大規模触覚データセットの事前学習を通じて汎用触覚表現を学習するために,いくつかの触覚基礎モデル (TFM) が提案されている。 しかし、これらの事前訓練された触覚表現がどのようにエンド・ツー・エンドの模倣学習に活用されるべきかは、まだ十分に調査されていない。 本研究では,複数のTFMを拡散ポリシに統合し,共通の実験環境下でのコンタクトリッチな操作の有効性を体系的に評価する。 さらに、エンコーダの微調整やタスク固有の中級訓練を含む適応戦略を検証し、事前学習された触覚表現が下流の模倣学習に効果的に利用できるかを理解する。 実世界とシミュレーション環境の両方における多様な操作タスクに対する広範囲な評価を通じて、5,000以上の実世界ポリシーのロールアウトを含む、エンド・ツー・エンドの模倣学習におけるTFMの使用に関する実証的な洞察を提供する。 プロジェクトページ:https://mmurooka.github.io/tfm4il-project-page/

関連論文リスト

• Tactile-Guided Robot Learning: From Representation Learning to Foundation Models [12.683053751062603]
  触覚は、頑丈で適応的で器用なロボット操作の中心になりつつある。 既存の調査は主に触覚ハードウェアと知覚を強調している。 本稿では,触覚誘導型スキル学習を学習中心の観点からレビューする。
  論文  参考訳（メタデータ） (2026-10-14T12:54:05Z)
• Tactile Curiosity Drives Robot Interaction [111.87914899158069]
  我々は触覚フィードバックが探究に自然なシグナルをもたらすと論じている。 私たちは、不確実性駆動探索にタッチを組み込んだフレームワークであるTacExを紹介します。
  論文  参考訳（メタデータ） (2026-09-30T16:49:40Z)
• Semantic-Contact Fields for Category-Level Generalizable Tactile Tool Manipulation [82.63833405368159]
  ツール操作の一般化には、セマンティックプランニングと正確な物理的制御の両方が必要である。 本研究では,密接な接触推定を伴う視覚的意味論を融合した3次元表現であるセマンティック・コンタクト・フィールド(SCFields)を提案する。 スクレイピング、クレヨン描画、剥離の実験は、堅牢なカテゴリレベルの一般化を示している。
  論文  参考訳（メタデータ） (2026-02-14T16:05:08Z)
• 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)
• Towards Generalization of Tactile Image Generation: Reference-Free Evaluation in a Leakage-Free Setting [25.355424080824996]
  触覚は人間の知覚に重要であり、コンピュータビジョン、ロボティクス、マルチモーダル学習の応用を支えている。 触覚データは入手が困難でコストがかかることが多いため、合成触覚画像の生成は、実世界の測定を拡大するためのスケーラブルなソリューションを提供する。 一般的なデータセットにおける重なり合うトレーニングとテストサンプルは、パフォーマンス指標を増大させ、触覚モデルの真の一般化可能性を見極めることを実証する。
  論文  参考訳（メタデータ） (2025-03-10T02:37:22Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• 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)
• Learning the sense of touch in simulation: a sim-to-real strategy for vision-based tactile sensing [1.9981375888949469]
  本稿では,3次元接触力分布の再構成を目的とした,視覚に基づく触覚センサについて述べる。 シミュレーションデータから完全に調整されたディープニューラルネットワークをトレーニングするための戦略が提案されている。 結果として得られる学習アーキテクチャは、さらなるトレーニングをすることなく、複数の触覚センサ間で直接転送可能であり、実際のデータに対して正確な予測が得られます。
  論文  参考訳（メタデータ） (2020-03-05T14:17:45Z)

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。