動きから触覚を見る：触覚運動相関を用いた統一モダリティ認識視触覚ポリシー

光学式 tactile sensor を用いた visuo-tactile policy の研究。contact-rich manipulation において、tactile の fine-grained contact state を明示的に区別できる motion-aware tactile representation を提案し、さらに Mixture-of-Transformers による unified modality-aware visuo-tactile policy を構築する。

- 従来の tactile 表現は raw tactile images か cumulative motion fields を用いるが、両者とも perception ambiguity を抱える。 - raw images は appearance 変化、cumulative motion fields は aggregate gel deformation のみを反映し、異なる fine-grained contact state が類似パターンになりやすい。 - 本研究は transient と cumulative motion の correlation という dynamic prior を活用し、この曖昧性を明示的に区別する点が新しい。 - 融合手法も、単純 concatenation や modality-specific networks の出力融合と異なり、cross-modal interaction と modality-specific 特性を同時に扱う。

- tactile motion の dynamic prior に着目し、transient motion と cumulative motion の correlation が fine-grained contact state を明示的に区別できることを見出した。 - この知見に基づき motion-aware tactile representation を提案。 - 視覚と触覚の融合には Mixture-of-Transformers architecture を採用。 - unified modality-aware visuo-tactile policy により、cross-modal complementarity を捉えつつ modality-specific properties を維持する。

要旨からは不明。実験設定、タスク、ベースライン、評価指標、結果の詳細は記述されていない。

- 既存 tactile 表現の perception ambiguity を問題として明示。 - raw tactile images と cumulative motion fields の限界を指摘。 - 既存 fusion 手法が cross-modal interaction と modality-specific characteristics の同時モデル化に苦戦する点を議論。 - 提案手法の限界や failure case、計算コスト、一般化性に関する議論は要旨からは不明。

- optical tactile sensor を用いた visuo-tactile policy の先行研究（要旨で具体的な論文名は挙げられていない）。 - Mixture-of-Transformers architecture の原論文。 - contact-rich manipulation における tactile representation 学習の関連研究。 - visuo-tactile fusion の既存手法（feature concatenation や modality-specific networks を用いるもの）。