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/姿勢推定arXiv:2606.28899

一度触れるだけ:単一触覚接触からの6自由度物体姿勢推定

You Only Touch Once: 6-DoF Object Pose Estimation from Single Tactile Contact

シェア:XThreadsFacebookLINEはてブBluesky

視覚が使えない状況でも、2点の同時触覚接触から物体の6自由度姿勢を推定するシステムYOTOを提案。接触を点群として物体表面に位置合わせし、閉形式解法で姿勢を復元する。

詳しい要約

1. どんなもの?

- 触覚のみで6-DoF物体姿勢推定を行うYOTOを提案。 - 単一の同時接触ペアから接触履歴なしで姿勢を復元。 - 各接触を局所3D点群として表現し、粗から細へのネットワークで物体表面上に位置推定。 - 2つの位置推定接触と校正済みセンサ姿勢を閉形式のnormal-aware SVDソルバに入力し、1ステップで6-DoF姿勢を復元。 - 仮想触覚パッチで事前学習し、少数の実接触で微調整。 - 消費者向けモバイルスキャンから再構成した物体モデルでも動作し、CADベースモデルとのギャップを定量化。

2. 先行研究と比べてどこがすごい?

- 視覚ベース手法は遮蔽、照明不良、反射・透明表面で失敗しやすい。 - YOTOは触覚のみで、単一接触ペアから履歴不要で6-DoF姿勢を推定。 - 4つの幾何多様物体で、視覚ベースおよび幾何ベースラインを上回る。 - 視覚知覚が信頼できない状況で特に優位。

3. 技術・手法の肝は?

- 各触覚接触を局所3D点群として表現。 - 粗から細へのネットワークで物体表面上に接触を位置推定。 - 2つの位置推定接触と校正済みセンサ姿勢を閉形式のnormal-aware SVDソルバに入力し、1ステップで6-DoF姿勢を復元。 - 位置推定ネットワークは仮想触覚パッチで事前学習し、少数の実接触で微調整。 - 物体モデルはCADまたは消費者向けモバイルスキャンから再構成。

4. どうやって有効だと検証した?

- 4つの幾何多様物体で実験。 - 触覚接触位置推定と姿勢推定の精度を評価。 - 視覚ベースおよび幾何ベースラインと比較し、特に視覚知覚が信頼できない場合に優位性を確認。 - モバイルスキャン再構成モデルでも動作し、CADベースモデルとのギャップを定量化。

5. 議論はある?

- 実データ要件を減らすため、仮想触覚パッチで事前学習し少数の実接触で微調整。 - モバイルスキャン再構成モデルとCADベースモデルのギャップを定量化。 - コード、学習済みモデル、実GelSightデータセットを公開予定。 - 限界や失敗ケースに関する議論は要旨からは不明。

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は明示されていない。 - 同分野の定番として、視覚ベース6-DoF姿勢推定(例:PoseCNN、PVNet)、触覚ベース姿勢推定(例:GelSightを用いた手法)、SVDベース姿勢推定、粗から細への位置推定ネットワークが挙げられる。

※ 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: Pengfei Ye, Yuxiang Ma, Haonan Chen, Guangming Wang, Yixiong Jing, Brian Sheil, Yilun Du, Edward Adelson

分類: cs.RO

原文アブストラクト

Accurate 6-DoF object pose estimation is fundamental to robotic manipulation, yet vision-based methods often fail under occlusion, poor lighting, and reflective or transparent surfaces. We present YOTO, a tactile-only pose estimation system that recovers the full 6-DoF object pose from a single pair of simultaneous contacts, without requiring contact history. YOTO represents each tactile contact as a local 3D point cloud and localizes it on the object surface through a coarse-to-fine network. The two localized contacts, together with the calibrated sensor poses, are then fed to a closed-form normal-aware SVD solver that recovers the full 6-DoF object pose in one step. To reduce real-data requirements, the localization network is pretrained on virtual tactile patches sampled from the object model and fine-tuned with a small number of real contacts. We further show that YOTO can operate on object models reconstructed from consumer-grade mobile scans, and quantify the gap relative to CAD-based models. Experiments on four geometrically diverse objects demonstrate accurate tactile contact localization and pose estimation, outperforming vision-based and geometric baselines, especially when visual perception is unreliable. Code, trained models, and the real GelSight dataset will be released upon publication.

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

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