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:2602.06001

視触覚ワールドモデル

Visuo-Tactile World Models

シェア:XThreadsFacebookLINEはてブBluesky

視覚に触覚を組み合わせて接触の物理を学習するマルチタスクワールドモデルを提案し、接触の多い操作タスクでの想像・計画性能を向上させた。

詳しい要約

1. どんなもの?

- 視覚と触覚を統合したマルチタスクの世界モデル「Visuo-Tactile World Models (VT-WM)」を提案。 - 接触の物理を触覚推論で捉え、ロボットと物体の相互作用を理解する。 - 視覚のみのモデルが遮蔽や曖昧な接触状態で失敗するのを回避。 - 接触が多い操作タスクで訓練され、想像上の物理的忠実度を向上。

2. 先行研究と比べてどこがすごい?

- 視覚のみの世界モデルと比較して、物体の消失、テレポート、物理法則に反する動きなどの失敗モードを回避。 - 自己回帰ロールアウトで物体永続性の維持が33%向上、運動法則の遵守が29%向上。 - ゼロショット実機実験で最大35%高い成功率、特に多段階の接触が多いタスクで大きな改善。 - 限られたデモンストレーションで新しいタスクに適応し、信頼性の高い計画を実現。

3. 技術・手法の肝は?

- 視覚と触覚を相補的に用いて接触の物理を捉える世界モデル。 - 接触が多い操作タスクのセットで訓練。 - 触覚推論を通じて接触ダイナミクスを学習し、想像と計画に活用。 - 自己回帰ロールアウトで物理的忠実度を評価。

4. どうやって有効だと検証した?

- 接触が多い操作タスクで訓練し、自己回帰ロールアウトで物体永続性と運動法則遵守を評価。 - ゼロショット実機実験で成功率を測定。 - 新しいタスクへの適応を限られたデモンストレーションで検証。

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、視覚のみの世界モデル(例:Vision-based World Models)や触覚を統合したロボット学習(例:Tactile-based Manipulation)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: Carolina Higuera, Sergio Arnaud, Byron Boots, Mustafa Mukadam, Francois Robert Hogan, Franziska Meier

分類: cs.RO

原文アブストラクト

We introduce multi-task Visuo-Tactile World Models (VT-WM), which capture the physics of contact through touch reasoning. By complementing vision with tactile sensing, VT-WM better understands robot-object interactions in contact-rich tasks, avoiding common failure modes of vision-only models under occlusion or ambiguous contact states, such as objects disappearing, teleporting, or moving in ways that violate basic physics. Trained across a set of contact-rich manipulation tasks, VT-WM improves physical fidelity in imagination, achieving 33% better performance at maintaining object permanence and 29% better compliance with the laws of motion in autoregressive rollouts. Moreover, experiments show that grounding in contact dynamics also translates to planning. In zero-shot real-robot experiments, VT-WM achieves up to 35% higher success rates, with the largest gains in multi-step, contact-rich tasks. Finally, VT-WM demonstrates significant downstream versatility, effectively adapting its learned contact dynamics to a novel task and achieving reliable planning success with only a limited set of demonstrations.

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