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:2601.20239

TouchGuide: 触覚ガイダンスによる視覚運動ポリシーの推論時ステアリング

TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance

シェア:XThreadsFacebookLINEはてブBluesky

事前学習済みの視覚運動ポリシーの生成過程に、触覚に基づく接触物理モデルで介入し、接触を伴う繊細な操作を高精度化する手法を提案。低コストな触覚データ収集系TacUMIも開発した。

詳しい要約

1. どんなもの?

- 接触を伴う細かい操作における触覚フィードバック活用を目的とした、**TouchGuide** という新しい cross-policy visuo-tactile fusion パラダイムを提案。 - 事前学習済みの diffusion または flow-matching による visuomotor policy を、推論時に触覚で誘導する。 - 2段階で動作し、第1段階では視覚のみで粗い行動を生成、第2段階で Contact Physical Model (CPM) が触覚誘導を与えて行動を洗練する。 - データ収集システム **TacUMI** も導入し、高品質かつ低コストな触覚データ収集を可能にする。

2. 先行研究と比べてどこがすごい?

- 従来の visuo-tactile policy と比べ、推論時に触覚で誘導する点が新しい。 - 低次元 action space でモダリティを融合する cross-policy アプローチを採用。 - 限られた expert demonstrations から contrastive learning で CPM を学習し、物理的接触制約を満たす行動へ誘導。 - 5つの contact-rich タスクで state-of-the-art の visuo-tactile policy を一貫して大幅に上回る。

3. 技術・手法の肝は?

- 推論時2段階:初期サンプリングでは視覚入力のみで coarse な行動を生成。 - その後、タスク固有の Contact Physical Model (CPM) が tactile guidance を提供し、行動を洗練。 - CPM は contrastive learning で限られた expert demonstrations から学習され、tactile-informed feasibility score を出力。 - このスコアでサンプリング過程を誘導し、物理的接触制約を満たす行動へ。 - データ収集は TacUMI で行い、rigid fingertips により直接的な触覚フィードバックを取得。

4. どうやって有効だと検証した?

- 5つの挑戦的な contact-rich タスク(shoe lacing、chip handover など)で実験。 - TouchGuide が state-of-the-art の visuo-tactile policy を一貫して大幅に上回ることを示した。 - 詳細な評価指標やベースラインは要旨からは不明。

5. 議論はある?

- 要旨からは、限界や議論の詳細は不明。 - 触覚フィードバックの活用不足という課題に対し、推論時誘導という解決策を提示。 - TacUMI による精度とコストのトレードオフ改善を主張。

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究は不明。 - 関連手法として diffusion policy、flow-matching policy、visuo-tactile policy、contrastive learning などが挙げられる。 - 同分野の定番として、模倣学習における diffusion policy や tactile sensing を用いた manipulation 研究を読むと良い。

※ 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: Zhemeng Zhang, Jiahua Ma, Xincheng Yang, Xin Wen, Yuzhi Zhang, Boyan Li, Yiran Qin, Jin Liu, Can Zhao, Li Kang, Haoqin Hong, Zhenfei Yin, Philip Torr, Hao Su, Ruimao Zhang, Daolin Ma

分類: cs.RO

原文アブストラクト

Fine-grained and contact-rich manipulation remain challenging for robots, largely due to the underutilization of tactile feedback. To address this, we introduce TouchGuide, a novel cross-policy visuo-tactile fusion paradigm that fuses modalities within a low-dimensional action space. Specifically, TouchGuide operates in two stages to guide a pre-trained diffusion or flow-matching visuomotor policy at inference time. First, the policy produces a coarse, visually-plausible action using only visual inputs during early sampling. Second, a task-specific Contact Physical Model (CPM) provides tactile guidance to steer and refine the action, ensuring it aligns with realistic physical contact conditions. Trained through contrastive learning on limited expert demonstrations, the CPM provides a tactile-informed feasibility score to steer the sampling process toward refined actions that satisfy physical contact constraints. Furthermore, to facilitate TouchGuide training with high-quality and cost-effective data, we introduce TacUMI, a data collection system. TacUMI achieves a favorable trade-off between precision and affordability; by leveraging rigid fingertips, it obtains direct tactile feedback, thereby enabling the collection of reliable tactile data. Extensive experiments on five challenging contact-rich tasks, such as shoe lacing and chip handover, show that TouchGuide consistently and significantly outperforms state-of-the-art visuo-tactile policies.

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. 2GXO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
  3. 3newmo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
  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