ContactBench 1.0：日常的な接触を伴うロボットマニピュレーションのベンチマーク

- Contact-rich manipulation の評価用ベンチマーク ContactBench 1.0 を提案 - 日常の人間の manipulation 観察から8つの再発する skill category を同定 - 36の reference task と40以上の object asset で skill を実装 - asset は task 関連の geometry と contact behavior を捉え、consumer-grade 3D printer で再現可能に作製 - 抵抗負荷を調整可能な simulation model と対になる - 制御された task variation で policy generalization を評価可能 - open-source で公開

- 従来は contact behavior の多様性と研究室間の再現困難性が評価の障壁 - 8つの skill category という実用的枠組みを提示 - 物理 asset と simulation model を対にして再現可能な評価基盤を構築 - consumer-grade 3D printer で作製可能な点が再現性に寄与 - 要旨からは不明：個々の先行ベンチマークとの定量的比較

- 日常の人間 manipulation 観察に基づく8 skill category の同定 - 36 reference task と40以上の object asset による実装 - task 関連 geometry と contact behavior を捉える asset 設計 - 3D printer で作製可能な物理 asset と、抵抗負荷を調整可能な simulation model の対 - 制御された task variation による generalization 評価 - vision-based と vision-tactile の policy learning 手法を6 task で評価

- 6つの benchmark task で最近の vision-based と vision-tactile の policy learning 手法を評価 - 結果、評価した vision-only policy は contact event の知覚・反応が困難 - 評価した visual-tactile policy は性能を有意に改善しなかった - 要旨からは不明：被験者数や試行数などの詳細な実験条件

- vision-only policy が contact event に反応しにくい点を指摘 - visual-tactile policy が有意な改善を示さない点を指摘 - 共有 task と物理・simulated asset により再現可能な評価基盤を提供 - 拡張可能な benchmark として設計 - 要旨からは不明：具体的な限界や今後の課題の詳細

- 要旨で評価対象として言及される vision-based policy learning 手法 - 要旨で評価対象として言及される vision-tactile policy learning 手法 - 関連手法として contact-rich manipulation の benchmark 研究 - 関連手法として tactile sensing を用いた manipulation 研究