日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2601.21474

DexTac: 手ごと教示による接触を考慮した視触覚ポリシーの学習

DexTac: Learning Contact-aware Visuotactile Policies via Hand-by-hand Teaching

シェア:XThreadsFacebookLINEはてブBluesky

人間の教示から接触力分布と接触領域を取得し、視触覚ポリシーに組み込むことで、器用な手が複雑な接触作業を自律的に行えるようにしたフレームワーク。

詳しい要約

1. どんなもの?

- 接触の多いタスク向けに、触覚を考慮した器用な操作ポリシーを学習するフレームワーク「DexTac」を提案。 - 人間のデモンストレーションから多次元触覚データ(接触力分布、空間的接触領域)を直接取得。 - 視覚と触覚を統合したポリシーネットワークにより、器用なハンドが自律的に最適な接触領域を選択・維持する。 - 片手での注射タスクで評価し、91.67%の成功率を達成。 - 小型注射器を用いた高精度シナリオでは、力のみのベースラインを31.67%上回る。

2. 先行研究と比べてどこがすごい?

- 既存のデータ収集・スキル学習システムは、触覚情報が低次元であるという問題があった。 - DexTacは多次元触覚データ(接触力分布と空間的接触領域)を人間のデモンストレーションから直接取得する点で異なる。 - 力のみのベースラインと比較して、高精度シナリオで31.67%の性能向上を実現。 - 人間のデモンストレーションから多次元触覚事前分布を学習することの重要性を示した。

3. 技術・手法の肝は?

- キネステティックティーチングに基づく視覚触覚操作学習フレームワーク。 - 人間のデモンストレーションから接触力分布と空間的接触領域を含む多次元触覚データを取得。 - これらの豊富な触覚モダリティをポリシーネットワークに統合。 - 接触を認識するエージェントが複雑な相互作用中に最適な接触領域を自律的に選択・維持。

4. どうやって有効だと検証した?

- 挑戦的な片手注射タスクで評価。 - 実験結果は91.67%の成功率を示した。 - 小型注射器を用いた高精度シナリオでは、力のみのベースラインを31.67%上回った。 - これらの結果は、人間のデモンストレーションから多次元触覚事前分布を学習することが、接触の多い環境での堅牢で人間らしい器用な操作に重要であることを強調。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。関連手法として、force-only baselines、kinesthetic teaching、visuotactile manipulation learningが挙げられる。

※ 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: Xingyu Zhang, Chaofan Zhang, Boyue Zhang, Zhinan Peng, Shaowei Cui, Shuo Wang

分類: cs.RO

原文アブストラクト

For contact-intensive tasks, the ability to generate policies that produce comprehensive tactile-aware motions is essential. However, existing data collection and skill learning systems for dexterous manipulation often suffer from low-dimensional tactile information. To address this limitation, we propose DexTac, a visuo-tactile manipulation learning framework based on kinesthetic teaching. DexTac captures multi-dimensional tactile data-including contact force distributions and spatial contact regions-directly from human demonstrations. By integrating these rich tactile modalities into a policy network, the resulting contact-aware agent enables a dexterous hand to autonomously select and maintain optimal contact regions during complex interactions. We evaluate our framework on a challenging unimanual injection task. Experimental results demonstrate that DexTac achieves a 91.67% success rate. Notably, in high-precision scenarios involving small-scale syringes, our approach outperforms force-only baselines by 31.67%. These results underscore that learning multi-dimensional tactile priors from human demonstrations is critical for achieving robust, human-like dexterous manipulation in contact-rich environments.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI