日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2603.10352

適応的操作ポテンシャルと触覚推定による道具介在インタラクション

Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction

シェア:XThreadsFacebookLINEはてブBluesky

道具を使った接触豊かな操作を実現するため、平衡多様体を導入し、触覚推定・オンライン計画・適応剛性制御を統合した閉ループフレームワークを提案。実世界のねじ緩め作業で有効性を検証した。

詳しい要約

1. どんなもの？

- ツールを介した接触の多い操作における巧みさを実現するためのフレームワーク。 - パラメータ化された Equilibrium Manifold (EM) を統一表現として導入。 - 触覚推定、オンラインプランニング、適応剛性制御を統合した閉ループシステム。 - 物理的・幾何学的双対性を確立し、複雑な物理相互作用を EM 上の連続操作としてカプセル化。 - 触覚推定を多様体パラメータ推定問題として再定式化。

2. 先行研究と比べてどこがすごい？

- 従来の手法と比較して、視覚的遮蔽や触覚センシングの不確定性に対処。 - 適応的操作ポテンシャルと微分可能接触モデルを組み合わせ、EM の幾何構造を誘導。 - 触覚 SLAM と不確実性を考慮したインピーダンス制御により、固定インピーダンスベースラインを上回る性能を実証。 - 特に狭い公差の相互作用におけるジャミングを防止。

3. 技術・手法の肝は？

- 適応的操作ポテンシャルに微分可能接触モデルを組み込み、EM の幾何構造を誘導。 - 触覚推定を多様体パラメータ推定問題として再定式化。 - ハイブリッド推論戦略（haptic SLAM）を採用：粒子フィルタリングで離散的な物体形状を分類し、解析的勾配で連続的な物体姿勢を推定。 - 操作ポテンシャルのパラメータを継続的に更新し、EM を動的に再形成。 - オンライン軌道再計画と不確実性を考慮したインピーダンス制御を実施し、知覚-行動ループを閉じる。

4. どうやって有効だと検証した？

- シミュレーションと260回以上の実世界でのネジ緩め試験を通じて検証。 - 標準シナリオでの堅牢な識別と操作成功、正確な追跡を実証。 - アブレーション研究により、haptic SLAM と不確実性を考慮した剛性変調が固定インピーダンスベースラインを上回ることを確認。 - 特に狭い公差の相互作用におけるジャミング防止に有効。

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や関連手法：haptic SLAM、particle filtering、analytical gradients、impedance control、Equilibrium Manifold (EM)。 - 同分野の定番：contact-rich manipulation、tool-mediated interaction、haptic estimation、adaptive stiffness control。

※ 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: Lin Yang, Anirvan Dutta, Yuan Ji, Yanxin Zhou, Shilin Shan, Lv Chen, Etienne Burdet, Domenico Campolo

分類: cs.RO

原文アブストラクト

Achieving human-level dexterity in contact-rich, tool-mediated manipulation remains a significant challenge due to visual occlusion and the underdetermined nature of haptic sensing. This paper introduces a parameterized Equilibrium Manifold (EM) as a unified representation for tool-mediated interaction, and develops a closed-loop framework that integrates haptic estimation, online planning, and adaptive stiffness control. We establish a physical-geometric duality using an adaptive manipulation potential incorporating a differentiable contact model, which induces the manifold's geometric structure and ensures that complex physical interactions are encapsulated as continuous operations on the EM. Within this framework, we reformulate haptic estimation as a manifold parameter estimation problem. Specifically, a hybrid inference strategy (haptic SLAM) is employed in which discrete object shapes are classified via particle filtering, while the continuous object pose is estimated using analytical gradients for efficient optimization. By continuously updating the parameters of the manipulation potential, the framework dynamically reshapes the induced EM to guide online trajectory replanning and implement uncertainty-aware impedance control, thereby closing the perception-action loop. The system is validated through simulation and over 260 real-world screw-loosening trials. Experimental results demonstrate robust identification and manipulation success in standard scenarios while maintaining accurate tracking. Furthermore, ablation studies confirm that haptic SLAM and uncertainty-aware stiffness modulation outperform fixed impedance baselines, effectively preventing jamming during tight tolerance interactions.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  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

OZ GAMING（GPU搭載BTOゲーミングPC）

OZ GAMING（GPU搭載BTOゲーミングPC）の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →