日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

触覚arXiv:2512.21043

エネルギー流れの追跡:動的物体操作における滑り防止のための触覚ベース把持力制御の学習

Tracing Energy Flow: Learning Tactile-based Grasping Force Control to Prevent Slippage in Dynamic Object Interaction

シェア:XThreadsFacebookLINEはてブBluesky

物体を仮想的なエネルギー容器としてモデル化し、指の仕事と物体の保持エネルギーの不一致から滑りを検知して、触覚のみで把持力をリアルタイムに学習・最適化する手法を提案。

詳しい要約

1. どんなもの?

- 動的な物体操作中に滑りを抑えるため、触覚に基づく把持力制御を学習する研究。 - 対象は複数の rolling contact で操作され、質量や表面状態が未知の物体。 - 外部 sensing が信頼できない状況を想定し、視覚などに頼らず触覚のみで把持力を調整する。 - 人間が触覚で把持力を素早く調整する能力に着想を得た手法を提案。

2. 先行研究と比べてどこがすごい?

- 先行研究との具体的な比較は要旨からは不明。 - 主張として、外部 sensing や事前の物体知識なしで、多様な motion-object pair に対し滑り低減と把持時間延長を実現。 - ゼロから数分以内に把持力制御を学習できる点を特徴として挙げている。

3. 技術・手法の肝は?

- 物体を virtual energy container としてモデル化する physics-informed energy abstraction を提案。 - 指が加えた power と物体に保持された energy の不一致を、滑りを考慮した安定性推定の物理的根拠ある信号として利用。 - この抽象化の上で model-based learning and planning を採用。 - 触覚 sensing から energy dynamics を効率的にモデル化し、real-time に把持力最適化を行う。

4. どうやって有効だと検証した?

- simulation と hardware の両方で実験を実施。 - ゼロから数分以内に把持力制御を学習できることを示した。 - 多様な motion-object pair において滑りを効果的に低減し、把持時間を延長。 - 外部 sensing や事前の物体知識に依存せずに達成したと報告。

5. 議論はある?

- 外部 sensing が信頼できない状況や未知物体への適用可能性を議論。 - 限られた sensing 下での触覚駆動型制御の有効性を示唆。 - 具体的な限界や失敗事例、議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として model-based learning and planning、tactile sensing を用いた grasping force control、slip detection に関する研究を挙げる。 - 同分野の定番として vision-based tactile sensor や reinforcement learning による把持制御の論文が次に読む候補。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Cheng-Yu Kuo, Hirofumi Shin, Takamitsu Matsubara

分類: cs.RO

原文アブストラクト

Regulating grasping force to reduce slippage during dynamic object interaction remains a fundamental challenge in robotic manipulation, especially when objects are manipulated by multiple rolling contacts, have unknown properties (such as mass or surface conditions), and when external sensing is unreliable. In contrast, humans can quickly regulate grasping force by touch, even without visual cues. Inspired by this ability, we aim to enable robotic hands to rapidly explore objects and learn tactile-driven grasping force control under motion and limited sensing. We propose a physics-informed energy abstraction that models the object as a virtual energy container. The inconsistency between the fingers' applied power and the object's retained energy provides a physically grounded signal for inferring slip-aware stability. Building on this abstraction, we employ model-based learning and planning to efficiently model energy dynamics from tactile sensing and perform real-time grasping force optimization. Experiments in both simulation and hardware demonstrate that our method can learn grasping force control from scratch within minutes, effectively reduce slippage, and extend grasp duration across diverse motion-object pairs, all without relying on external sensing or prior object knowledge.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI