視覚と触覚のクロスモーダル物体知覚

視覚と触覚の相補情報を統合し、物体の物理特性（geometry, pose, inertia, stiffness, contact dynamics など）を推定する枠組み。 - 提案手法は Cross-Modal Latent Filter (CMLF)。 - 物理特性の因果的潜在状態空間を学習。 - 視覚と触覚間で双方向の cross-modal prior を転移。 - Bayesian inference で時間発展する信念を統合。 - 実ロボット実験で不確実性下の推定効率・頑健性を検証。

既存の visuo-tactile perception は forceful sensor fusion や static cross-modal alignment が中心。 - 物体特性の不確実性や信念が時間とともにどう変化するかの考慮が限定的。 - CMLF は時間発展する Bayesian inference と双方向 prior 転移を導入。 - 不確実性下での推定効率と頑健性を改善。 - 人間の cross-modal illusion や cross-sensory association 学習に類似の知覚結合現象も示す。

Cross-Modal Latent Filter (CMLF) を提案。 - 物理物体特性の structured, causal latent state-space を学習。 - 視覚と触覚の間で cross-modal prior を双方向転移。 - 感覚証拠を時間発展する Bayesian inference で統合。 - 人間の multi-sensory perception と active inference に着想。 - 接触リッチな操作での stick-slip 等の contact dynamics も対象。

実世界のロボット実験で検証。 - 不確実性下での潜在物理特性推定の効率と頑健性を baseline と比較。 - CMLF が baseline より改善することを示す。 - 人間に見られる cross-modal illusion への感受性や cross-sensory association 学習の軌跡に類似の知覚結合現象を確認。 - 詳細な評価指標やタスクは要旨からは不明。

視覚と触覚の統合による物理特性推定の難しさ（非剛体変形と非線形接触摩擦の結合など）を指摘。 - 既存手法の forceful fusion や static alignment の限界を議論。 - 不確実性と信念の時間発展の重要性を主張。 - 人間の multi-sensory perception との類似性（cross-modal illusion など）に言及。 - 限界や今後の課題の詳細は要旨からは不明。

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 visuo-tactile perception の sensor fusion、cross-modal alignment、active inference、Bayesian filtering が挙げられる。 - 同分野の定番として vision-based tactile sensing（例: GelSight 系）や multi-sensory integration の研究が次に読む候補。 - 具体的な論文名は要旨からは不明。