触覚/分解作業2026/3/1arXiv:2603.08560

接触認識型タクタイル学習によるロボット分解作業

CONTACT: CONtact-aware TACTile Learning for Robotic Disassembly

ロボット分解作業における触覚センシングの役割を、シミュレーションと実世界の両方で体系的に調査し、力場表現の触覚情報が視覚のみやRGB触覚画像よりも高い成功率を示すことを明らかにした。

詳しい要約

1. どんなもの？

- ロボットによる分解作業における接触リッチな相互作用に着目し、触覚センシングの役割を体系的に調査した研究。 - シミュレーションで5つの剛体分解タスク（幾何学的制約と抽出難易度が増加）を構築。 - 実世界でも5つのタスク（剛体3つ、変形可能2つ）を設計し、接触依存のマニピュレーションを評価。 - 統一学習フレームワーク内で3つのセンシング構成（Vision Only, Vision + TacRGB, Vision + TacFF）を比較。 - 結果として、TacFFベースのポリシーがシミュレーションと実世界の両方で一貫して最高の成功率を達成。

2. 先行研究と比べてどこがすごい？

- 視覚ベースのポリシーは構造化された設定では良好に機能するが、狭公差、接触支配、変形可能なシナリオでは信頼性が低下する。 - 本研究は、触覚センシング、特に力場表現（TacFF）が接触依存および変形可能な設定で顕著な性能向上をもたらすことを示した。 - 従来の視覚のみのアプローチと比較して、TacFFの導入が成功率を大幅に改善。 - また、TacRGBとTacFFの単純な融合はどちらか単独よりも性能が低下することを明らかにし、単純な連結がタスク関連の力情報を希釈する可能性を示唆。

3. 技術・手法の肝は？

- 統一学習フレームワークを採用し、3つのセンシング構成（Vision Only, Vision + TacRGB, Vision + TacFF）を比較。 - TacFFは触覚力場表現であり、接触力を構造化された形でポリシーに提供。 - シミュレーションでは5つの剛体分解タスクを設計し、幾何学的制約と抽出難易度を段階的に増加。 - 実世界では剛体3つと変形可能2つのタスクを設計し、接触依存のマニピュレーションを評価。 - 学習ポリシーはこれらのタスクで訓練・評価され、成功率で比較。

4. どうやって有効だと検証した？

- シミュレーションと実世界の両方で実験を実施。 - シミュレーションでは5つの剛体分解タスク、実世界では5つのタスク（剛体3つ、変形可能2つ）を評価。 - 各センシング構成（Vision Only, Vision + TacRGB, Vision + TacFF）の成功率を比較。 - TacFFベースのポリシーが両環境で一貫して最高の成功率を達成し、特に接触依存および変形可能な設定で顕著な向上を示した。 - また、TacRGBとTacFFの単純な融合がどちらか単独よりも性能が低いことを検証。

5. 議論はある？

- 触覚センシングはロボット分解において重要かつタスク依存的な役割を果たす。 - 構造化された力場表現（TacFF）は接触支配のシナリオで特に効果的。 - TacRGBとTacFFの単純な融合は性能を低下させる可能性があり、融合方法の設計が重要。 - 要旨からは、他の融合方法や一般化可能性、限界についての議論は不明。

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、Vision Only, Vision + TacRGB, Vision + TacFFが挙げられる。 - 同分野の定番として、視覚ベースのポリシー（例：Vision-based policies）や触覚センシングを統合したロボットマニピュレーション研究が考えられる。

※ 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: Yosuke Saka, Jyun-Chi Hu, Adeesh Desai, Zhiyuan Zhang, Bihao Zhang, Quan Khanh Luu, Md Rakibul Islam Prince, Minghui Zheng, Yu She

分類: cs.RO

原文アブストラクト

Robotic disassembly involves contact-rich interactions in which successful manipulation depends not only on geometric alignment but also on force-dependent state transitions. While vision-based policies perform well in structured settings, their reliability often degrades in tight-tolerance, contact-dominated, or deformable scenarios. In this work, we systematically investigate the role of tactile sensing in robotic disassembly through both simulation and real-world experiments. We construct five rigid-body disassembly tasks in simulation with increasing geometric constraints and extraction difficulty. We further design five real-world tasks, including three rigid and two deformable scenarios, to evaluate contact-dependent manipulation. Within a unified learning framework, we compare three sensing configurations: Vision Only, Vision + tactile RGB (TacRGB), and Vision + tactile force field (TacFF). Across both simulation and real-world experiments, TacFF-based policies consistently achieve the highest success rates, with particularly notable gains in contact-dependent and deformable settings. Notably, naive fusion of TacRGB and TacFF underperforms either modality alone, indicating that simple concatenation can dilute task-relevant force information. Our results show that tactile sensing plays a critical, task-dependent role in robotic disassembly, with structured force-field representations being particularly effective in contact-dominated scenarios.

arXivで原文を読む →arXiv概要ページ

← 論文一覧