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/操作arXiv:2608.01824

ReTouch: オンライン更新型触覚予測による接触豊富な器用操作の実現

ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction

シェア:XThreadsFacebookLINEはてブBluesky

触覚予測を実行時のフィードバックでオンライン更新するVLAモデルReTouchを提案し、接触を伴う器用操作の成功率を大幅に向上させた。

詳しい要約

1. どんなもの?

ReTouchは、接触を伴う器用な操作(contact-rich dexterous manipulation)を支援するVision-Language-Action model (VLA)である。触覚フィードバックを実行時のオンライン更新で継続的に洗練し、接触状態の変化や実行エラーに対するロバスト性を高める。触覚観測を構造化パッチ特徴として表現するTactile-Patch Encoderと、将来の触覚状態とアクションチャンクを予測し、実行中の触覚フィードバックで両者を洗練する高周波アクションモジュールを備える。また、XHand-UR7eプラットフォームで7つの接触を伴うタスクの900の実世界デモを含むXHT-Datasetを導入し、閉ループ実機実験で評価する。

2. 先行研究と比べてどこがすごい?

従来のVLAは視覚と言語に焦点を当て、触覚フィードバックの統合が不十分だった。また、触覚を利用する既存手法は、触覚表現が指の同一性や局所接触構造を保持せず、実行時のフィードバックで予測を更新する閉ループ機構が欠如していた。ReTouchは、触覚パッチ特徴による構造化表現と、実行時フィードバックによる触覚予測とアクションのオンライン洗練を導入し、接触の変化や実行エラーに対する適応性とロバスト性を向上させた点が新しい。

3. 技術・手法の肝は?

手法の肝は2点。1) Tactile-Patch Encoder: 触覚観測を指の同一性と局所接触構造を保持するパッチ特徴に変換し、細かい器用な制御のための接触キューを提供する。2) 高周波アクションモジュール: 将来の触覚状態とアクションチャンクを共同予測し、実行中の触覚フィードバックを用いて両者を洗練する閉ループ機構。これにより、触覚予測が物理的相互作用の変化に整合し続け、応答的なアクション修正が可能になる。

4. どうやって有効だと検証した?

XHT-Dataset(900の実世界デモ、7タスク)を収集し、閉ループ実機実験を実施。標準条件と挑戦的条件の両方で、最強ベースラインと比較して平均成功率をそれぞれ18.4パーセントポイント、23.8パーセントポイント上回り、有効性とロバスト性を示した。

5. 議論はある?

要旨からは、ReTouchの限界や議論点は明示されていない。ただし、触覚予測のオンライン更新は計算コストや遅延の懸念がある可能性が考えられるが、要旨には記載がない。また、XHT-Datasetの規模やタスクの多様性、他プラットフォームへの一般化については不明。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、Vision-Language-Action models (VLA)や触覚フィードバックを用いた操作の研究が関連する。具体的には、RT-2やOctoなどのVLA、触覚センサを用いた操作学習(例:Tactile Gym)などが考えられる。

※ 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: Shiqi Zhang, Xin Zhang, Yedong Shen, Jiajun Deng, Yuxuan Gao, Sha Zhang, Yuan Zhang, Kaixue Long, Jiajia Wu, Jia Pan, Yao Li, Yanyong Zhang

分類: cs.RO

原文アブストラクト

Fusing tactile signals has proven effective for contact-rich manipulation, enabling robots to perceive contact states and adapt to rapidly changing physical interactions. Yet effectively integrating tactile feedback into dexterous manipulation remains underexplored. In this work, we introduce ReTouch, a vision-language-action model (VLA) that supports contact-rich dexterous manipulation through tactile predictions continually refined online using execution-time feedback. ReTouch builds on two main innovations for tactile representation and closed-loop action generation. First, its Tactile-Patch Encoder represents tactile observations as structured tactile patch features that preserve finger identity and local contact structure, providing contact cues for fine-grained dexterous control. Second, its high-frequency action module jointly predicts future tactile states and action chunks and refines both using incoming tactile feedback during execution. This closed-loop refinement keeps tactile predictions aligned with evolving physical interactions, enabling responsive action correction and improving robustness to contact changes and execution errors. We further introduce XHT-Dataset, comprising 900 real-world demonstrations across seven contact-rich tasks collected on an XHand--UR7e platform, and evaluate ReTouch through closed-loop real-robot experiments. ReTouch surpasses the strongest baseline by 18.4 and 23.8 percentage points in average success rate under standard and challenging conditions, respectively, demonstrating its effectiveness and robustness.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI