論文の概要: Interactive Perception of Granular Materials via Robotic Scooping and Force-Torque Sensing
- arxiv url: http://arxiv.org/abs/2611.15339v1
- Date: Wed, 11 Nov 2026 11:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.110992
- Title: Interactive Perception of Granular Materials via Robotic Scooping and Force-Torque Sensing
- Title(参考訳): ロボットスクーピングと力覚センシングによる粒状物質の対話的知覚
- Abstract要約: グラニュラー材料は複雑で非常に可変な相互作用のダイナミクスを示し、その物理的性質を知らずに信頼性の高い操作を困難にしている。
本研究では,スクーピング中に得られた力トルク測定から直接材料特性を推定する対話型知覚フレームワークを提案する。
本研究では, 搬送時にスプーンから流出することなく, 材料が耐えられる最大加速度との相関を検証し, 下流操作に対する推定特性の関連性を示す。
- 参考スコア(独自算出の注目度): 3.137540442418396
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Granular materials exhibit complex and highly variable interaction dynamics, making their reliable manipulation challenging without knowledge of their physical properties. We present an interactive perception framework that infers granular material properties directly from force-torque measurements acquired during scooping. The proposed Latent Filter++ combines a bio-inspired frequency-temporal filter-bank representation with a causal latent dynamical model, allowing the representation to evolve as interaction observations become available while avoiding hand-crafted signal preprocessing. The learned latent representation captures physically meaningful variation in granular materials and supports estimation of properties including grain size and bulk density. Evaluated on 26 diverse granular materials, the approach generalizes to materials excluded from training and enables few-shot adaptation of property-specific mappings using a small number of additional interaction samples. Finally, we demonstrate the relevance of the inferred properties to downstream manipulation by examining their correlation with the maximum acceleration the materials can withstand without spilling from the spoon during transport.
- Abstract(参考訳): グラニュラー材料は複雑で非常に可変な相互作用のダイナミクスを示し、その物理的性質を知らずに信頼性の高い操作を困難にしている。
本研究では,スクーピング中に得られた力トルク測定から直接材料特性を推定する対話型知覚フレームワークを提案する。
提案したLatent Filter++は、バイオインスパイアされた周波数時間フィルタバンク表現と因果潜在力学モデルを組み合わせることで、手作りの信号前処理を回避しながら、相互作用の観測が可能になったときに、その表現を進化させることができる。
学習された潜在表現は、粒状物質の物理的に有意な変動を捉え、粒度やバルク密度などの特性の推定をサポートする。
26の異なる粒状物質に基づいて評価され、この手法はトレーニングから除外された材料に一般化され、少数の追加の相互作用サンプルを用いて、プロパティ固有のマッピングの少数ショット適応を可能にする。
最後に, 搬送時にスプーンからこぼすことなく, 材料が耐えられる最大加速度との相関を検証し, 下流操作に対する推定特性の関連性を示す。
関連論文リスト
- Discrete Action Matching: Learning Stochastic Dynamics from Samples via State Graphs [57.50632332726287]
離散ワッサーシュタイン幾何に基づく有限状態のアクションマッチングを導入する。
所定の限界経路と輸送形状について、正準最小運動エネルギー電流に対する作用最小化の目的を導出する。
経験的なスナップショットとともに、DAMはまずこれらの比率を推定し、次にアクションポテンシャルを学習する。
論文 参考訳(メタデータ) (2026-10-04T09:13:33Z) - KnockGS:interaction-Grounded Calibrationof Physical Gaussian Representations [18.91338452575849]
既存のパイプラインは、物質パラメータが既知のか手動で指定されていると仮定し、適用性を制限する。
我々は3次元ガウス物体の弾性と密度スケールを推定する相互作用応答型物理GSフレームワークであるKnockGSを提案する。
パラメータ回復と応答レベル忠実度の両方に関する枠組みを評価する。
論文 参考訳(メタデータ) (2026-08-27T17:03:38Z) - M-PhyGs: Multi-Material Object Dynamics from Video [26.24580584792261]
ビデオから複雑な自然物の材料組成とパラメータを推定するために,多物質物理ガウス(M-PhyGs)を導入する。
自然の環境で撮影された短いビデオから、M-PhyGsは物体を同様の物質に分割し、重力を考慮しながら連続的な機械的パラメータを復元する。
花と対話する人々のデータセットであるPhlowersを新しいプラットフォームとして導入し、多物質物理パラメータ推定におけるこの課題の精度を評価する。
論文 参考訳(メタデータ) (2025-12-18T18:50:08Z) - On the joint observability of flow fields and particle properties from Lagrangian trajectories: evidence from neural data assimilation [4.057195808949298]
ラグランジュ粒子追跡データから流動状態と未知粒子特性の連成観測可能性について数値解析を行った。
圧縮性,衝撃支配流れにおける速度,圧力,密度,慣性粒子特性(直径,密度)の初回共同再構成について報告する。
論文 参考訳(メタデータ) (2025-10-01T04:00:52Z) - Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。
本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。
SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
論文 参考訳(メタデータ) (2025-03-18T02:14:49Z) - Understanding Particles From Video: Property Estimation of Granular Materials via Visuo-Haptic Learning [28.122667084570118]
グラニュラー材料(GM)は日常生活においてどこにでも存在しており、特に農業や産業においてその性質を理解することも重要である。
本稿では,GMとの相互作用のビデオから粒子径と密度の相対値を推定する手法を提案する。
接触モデルにインスパイアされたビジュオ触覚学習フレームワークを用いて学習し,GMのプローブ描画におけるGM特性と視覚触覚データとの強い相関関係を明らかにする。
論文 参考訳(メタデータ) (2024-12-03T03:17:09Z) - The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
注水液の音響・視覚観測と物理の関連性について検討した。
本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
論文 参考訳(メタデータ) (2024-11-18T01:19:37Z) - Data-efficient and Interpretable Inverse Materials Design using a Disentangled Variational Autoencoder [2.563209727695243]
逆材料設計は、新しい物質発見の加速に成功している。
多くの逆材料設計法では、教材表現のコンパクトな記述を提供するために潜在空間を学習する教師なし学習を用いる。
本稿では,不整合変分オートエンコーダをベースとした半教師付き学習手法を提案し,特徴,潜伏変数,対象特性の確率的関係を学習する。
論文 参考訳(メタデータ) (2024-09-10T02:21:13Z) - On the importance of catalyst-adsorbate 3D interactions for relaxed
energy predictions [98.70797778496366]
吸着剤の相対的な位置を無視しながら,OC20データセットの緩和エネルギーを予測できるかどうかを検討する。
結合サイト情報の削除は,期待通りに精度を低下させるが,修正モデルは極めて良好なMAEで緩和エネルギーを予測することができる。
論文 参考訳(メタデータ) (2023-10-10T14:57:04Z) - CRIPP-VQA: Counterfactual Reasoning about Implicit Physical Properties
via Video Question Answering [50.61988087577871]
CRIPP-VQA(CRIPP-VQA)は、シーン内のオブジェクトの暗黙的な物理的特性を推論するための新しいビデオ質問応答データセットである。
CRIPP-VQAには、動作中の物体のビデオが含まれており、反事実的推論に関わる疑問が注がれている。
実験の結果,暗黙的特性に関する疑問に答える上で,驚くべき,重要なパフォーマンスギャップが明らかとなった。
論文 参考訳(メタデータ) (2022-11-07T18:55:26Z)
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。