TacLoc: 登録の観点からの物体上のグローバル触覚位置推定
TacLoc: Global Tactile Localization on Objects from a Registration Perspective
触覚センシングによる点群登録を用いて、物体上のポーズ推定をワンショットで行う新しいフレームワークTacLocを提案した。シミュレーションや事前学習モデルを必要とせず、法線ガイドによるグラフ枝刈りと仮説検証パイプラインで高精度を実現する。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Zirui Zhang, Boyang Zhang, Fumin Zhang, Huan Yin
分類: cs.RO
原文アブストラクト
Pose estimation is essential for robotic manipulation, particularly when visual perception is occluded during gripper-object interactions. Existing tactile-based methods generally rely on tactile simulation or pre-trained models, which limits their generalizability and efficiency. In this study, we propose TacLoc, a novel tactile localization framework that formulates the problem as a one-shot point cloud registration task. TacLoc introduces a graph-theoretic partial-to-full registration method, leveraging dense point clouds and surface normals from tactile sensing for efficient and accurate pose estimation. Without requiring rendered data or pre-trained models, TacLoc achieves improved performance through normal-guided graph pruning and a hypothesis-and-verification pipeline. TacLoc is evaluated extensively on the YCB dataset. We further demonstrate TacLoc on real-world objects across two different visual-tactile sensors.
