Nathan F. Lepora
University of Bristol
収録論文 61本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- TactileLab: せん断感覚を効率的にシミュレートする触覚シミュレーションによるSim-to-Real巧緻マニピュレーション触覚/sim2real2026/11/5
剛体シミュレーションで接触界面のせん断流れ場を効率的に生成する触覚シミュレーションフレームワークTactileLabを提案し、実触覚画像をシミュレーション触覚流れ場へ変換するreal-to-sim手法と組み合わせて実機での巧緻マニピュレーションを実現した。
- 触覚による把持内物体回転:シミュレーションと実機におけるハンド形態の比較研究マニピュレーション2026/10/19
低コストLEAPハンドの指配置(人間型 vs 対称型)と触覚センサの有無が把持内回転性能に与える影響を、シミュレーションと実機で比較検証した。対称型配置が回転数・回転速度・持続時間で優れ、指先負荷も低いことを示した。
- 人工神経を目指して:ロボットのための生体模倣光ファイバ触覚センシング触覚2026/7/1
人間の皮膚の触覚機構を模倣し、各機械ピンを光ファイバ(人工神経)に接続した生体模倣触覚センサOptiTacを提案。触覚信号を画像として扱い、深層学習ではなく単純な解析手法で接触位置・サイズ・形状を推定する。
- SoftHand Model-W: 3Dプリントによる手首と手根管を統合した人間型・劣駆動ロボットハンドハンド/劣駆動/手首統合2026/4/1
Pisa/IIT SoftHandを基に、拮抗腱機構と2自由度の腱駆動手首を統合した3Dプリント製の人間型劣駆動ハンドを開発し、手首の駆動がアームの補償動作を減らし作業時間を短縮することを実証した。
- 触覚モデルの訓練法:多指ロボットハンドによる触覚認識触覚2026/4/1
視覚ベースの触覚センサー向けに、Vision Transformerを用いた新しい触覚認識モデルTacViTを提案し、未見のセンサーでも高い汎化性能を示すことを実証した。
- 斜面上への着陸のための固有感覚的接触位置推定を備えた全方向デュアルアーム空中マニピュレータ空中マニピュレーション2026/2/1
双腕の全方向空中マニピュレータを開発し、トルクオブザーバによる固有感覚的な接触検出と位置推定で、視覚に頼らず斜面上への着陸を実現した。
- UniForce: 多様な触覚センサに対応するロボットマニピュレーションのための統合力潜在モデル触覚2026/2/1
異なる触覚センサ間で共有される力の潜在空間を学習し、再学習なしでゼロショット転移可能な力認識マニピュレーションを実現する統合触覚表現フレームワークを提案。
- 触覚ロボティクス:過去と未来触覚2025/12/1
約半世紀にわたる150件以上のレビューを基に触覚ロボティクスの歴史を4世代に区分し、今後の成熟と応用の可能性を展望したサーベイ。
- TacFinRay: 間接触覚センシングを備えたソフト触覚フィン・レイフィンガーによるロバスト把持触覚2025/12/1
ソフトなフィン・レイ構造と剛体センシングモジュールを組み合わせ、内部カメラとCNNで接触位置と押し込み深さを間接的に推定する触覚フィンガーを開発し、不確実な把持位置でのピック・アンド・プレース精度を向上させた。
- NeuralTouch: 触覚による精密なSim-to-Realロボット制御のためのニューラル記述子触覚2025/10/1
Neural Descriptor Fieldsと触覚フィードバックを組み合わせ、強化学習で把持姿勢を微調整することで、実機へのゼロショット転移を可能にしたマルチモーダル枠組みを提案。
- LEGO MINDSTORMSで作るソフトシナジー搭載の教育用ロボットハンドロボットハンド2025/10/1
LEGO MINDSTORMSのみを用いて、腱駆動・高受動性の人間型ロボットハンドを開発し、教育現場で最新ロボティクスを学べることを示した。
- Text2Touch: LLMが設計した報酬関数による触覚を活用したハンド内操作触覚2025/9/1
LLMに報酬関数を設計させ、触覚センサ付き4指ロボットハンドで多軸のハンド内物体回転を実現した研究。人間設計の報酬を上回る性能を、より簡潔な報酬で達成した。
- 触覚ロボティクス:展望触覚2025/8/1
触覚センシング技術の現状と課題を整理し、製造・医療・リサイクル・農業などへの応用に向けた今後の方向性を展望した論文。
- SimShear: シミュレーションから実機へのせん断触覚サーボ触覚2025/8/1
せん断変形をシミュレーションで陽にモデル化せずに、GANで触覚画像を変換し、実機の触覚制御に応用する手法を提案。
- StereoTacTip:生体模倣スキンマーカー配置による視覚ベース触覚センシング触覚2025/6/1
ステレオカメラを用いたマーカーベース視覚触覚センサにおいて、生体模倣的な複雑なマーカー配置が形状復元に与える影響を調査し、新しいアルゴリズムと補正モデルを導入して高精度な形状復元を実現した。
- せん断力に基づく多指劣駆動触覚ロボットハンドの把持制御触覚2025/3/1
柔らかい触覚センサを指先に備えた劣駆動ロボットハンドで、接触力フィードバックを用いて壊れやすい物体を把持・操作する制御手法を提案した。
- ViTacTip:透明スキンと生体模倣チップを備えたロボットマニピュレーション用マルチモーダルセンサの設計とベンチマーク触覚2025/1/1
透明スキンと生体模倣チップで視覚・近接・触覚・力覚を同時に取得する小型センサViTacTipを設計し、GANによるモダリティ間変換と多タスク学習でその性能を実証した論文。
- TacPalm:生体模倣型光学触覚パームを備えたソフトグリッパによる安定かつ精密な把持ソフトロボティクス/触覚2024/9/1
柔軟な2本指グリッパの手のひらに光学触覚センサTacTipを組み込み、軽接触検出・把持姿勢調整・接触喪失検出の3機能で把持成功率を97%まで高め、サブミリ精度の配置を実現した。
- 触覚ソフトハンドA:拮抗腱機構を備えた3Dプリント可能な高受動自由度ヒューマノイドロボットハンドマニピュレーション2024/6/1
拮抗腱機構と3Dプリント触覚センサを統合した5指ロボットハンドを開発し、把持適応性と操作性の向上を実証した。
- DexiTac: 柔軟で器用な触覚グリッピングマニピュレーション2024/5/1
再構成可能な空気圧式グリッパと触覚センサを組み合わせ、触覚カーネル密度操作戦略と二重閉ループ制御で多様な物体の把持と操作を実現した。
- AnyRotate: 重力不変な手内物体回転を実現するSim-to-Real触覚触覚2024/5/1
高密度な触覚情報をシミュレーションで学習し実機へゼロショット転移することで、手の向きや重力に依存せず任意軸周りに未知物体を回転させるシステムを実現した。
- タッチで拓く3Dガウシアンスプラッティング:光沢面を高精度に再構成触覚2024/3/1
触覚の局所深度マップと多視点画像を組み合わせ、光沢・反射面でも少ない画像枚数で高精度に3D再構成する手法を提案。
- 姿勢とせん断に基づく触覚サーボ制御触覚2023/12/1
高解像度の柔軟触覚センサを用い、接触姿勢とせん断を推定するモデルを構築し、物体追従や押し操作などの非把持マニピュレーションを実現する触覚サーボ系を開発した。
- Bi-Touch: シミュレーションから実機への深層強化学習による両腕触覚マニピュレーション触覚マニピュレーション2023/7/1
低コストの触覚センサを備えた双腕ロボットシステムを構築し、双方向プッシュ・再配向・収集タスクを深層強化学習と触覚sim-to-realで学習させ、実環境での汎化性と頑健性を示した。
- ロボットの触覚に対する注意:堅牢なSim-to-Real触覚制御のための触覚顕著性予測触覚2023/7/1
人間の触覚注意機構と視覚的顕著性予測に着想を得て、触覚画像中の重要な接触情報を特定する「触覚顕著性」の概念を提案し、接触深さ推定・顕著性予測・ノイズ生成の3ネットワークで実現した。
- 触覚センシングを用いた少数実演からの繊細なピンチ把持スキルの学習触覚2023/7/1
触覚情報を畳み込みオートエンコーダで符号化し、少数の実演から両腕の繊細なピンチ把持を模倣学習するデータ効率の良い枠組みを提案した。
- 触覚によるプッシング操作のためのSim-to-Realモデルベース・モデルフリー深層強化学習触覚2023/7/1
視覚入力を使わず触覚センシングのみで物体を目標位置へ押すタスクに対し、モデルベースとモデルフリーの深層強化学習をsim-to-realで実機に適用し、未見物体への汎化と外乱下での高精度制御を実現した。
- 触覚移動マニピュレータによる倉庫自動化触覚2023/6/1
柔らかい光学触覚センサと荷物持ち上げ機能を備えた移動ロボットを複数台協調させ、触覚情報で荷物との相対姿勢を調整することで持ち上げ作業の成功率を向上させた研究。
- 触覚駆動による人間とロボットの協調作業のための優しい把持触覚2023/3/1
5本の指先に光学式触覚センサTacTipを搭載したソフトハンドで、触覚フィードバックを用いて様々な物体を優しく安定に把持する制御器を開発し、人からロボットへの受け渡しタスクに応用した。
- Tac-VGNN:姿勢ベース触覚サーボのためのボロノイグラフニューラルネットワーク触覚2023/3/1
生体模倣光学触覚センサTacTipを用い、ボロノイ特徴を組み込んだグラフニューラルネットワークで触覚マーカーのせん断運動と接触深さをモデル化し、姿勢推定精度と実表面追従タスクの性能を向上させた。
- 触覚における接触幾何と滑り誘起せん断の半教師あり分離触覚2022/8/1
軟体光学触覚センサの滑りによるせん断歪みを半教師あり学習で除去し、接触形状の復元と物体姿勢推定を高精度に行う手法を提案。
- Tactile Gym 2.0:低コスト高解像度触覚センサを比較するためのSim-to-Real深層強化学習触覚/sim2real2022/7/1
3種類の光学式触覚センサ(TacTip, DIGIT, DigiTac)を対象に、単一のsim-to-real手法で実機タスク(物体押し・エッジ追従・表面追従)を高精度に達成し、低コスト4自由度アームでベンチマークを拡張した。
- 低コスト触覚ロボットによる空中ハプティクスのマッピング触覚2022/7/1
超音波アレイが生み出す空中触覚を、3Dプリントの生体模倣触覚センサを搭載した低コストロボットアームで計測・可視化し、レーザードップラー振動計と比較して有用性を示した。
- DigiTac: 低コスト高解像度ロボット触覚を比較するDIGIT-TacTipハイブリッド触覚センサ触覚2022/6/1
GelSight型のDIGITセンサにTacTip型の3Dプリント感圧面を組み合わせたハイブリッド触覚センサを開発し、姿勢推定とサーボ制御で既存センサと性能を比較した。
- BPIソフトハンド:低コスト・3Dプリント可能な腱駆動型アンダーアクチュエーテッドロボットハンドマニピュレーション2022/6/1
単一アクチュエータで駆動し、3Dプリントで安価に作製できる腱駆動型のロボットハンドを設計し、柔軟で適応的な把持を実現した。
- 触覚によるテクスチャ知覚のための人工SA-I・RA-I・RA-II/振動触覚求心性線維触覚2022/4/1
軟らかい生体模倣触覚センサTacTipを用いて、ヒトの触覚チャネルに対応する人工SA-I・RA-I・RA-IIチャネルを構築し、速度に依存しないテクスチャ分類に有効な符号化を検討した。
- 接触形状と滑りせん断を分離する触覚画像変換触覚2021/9/1
柔らかい光学触覚センサの画像から、滑りによるせん断変形と接触形状の情報を潜在空間で分離する畳み込みニューラルネットを提案し、せん断除去画像の復元や接触姿勢推定、物体形状の再構成を実現した。
- リッジと格子の触覚センシングのための人工SA-IおよびRA-I求心性線維触覚2021/7/1
生体模倣触覚センサーを用いて、遅順応型と速順応型のI型触覚受容器の機能を模倣する2つの特徴量セットを提案し、自然触覚の3つの古典的実験でその妥当性を検証した。
- 実画像変換による触覚のsim-to-realポリシー転送触覚2021/6/1
光学式触覚センサを深度画像として模擬する環境を構築し、実センサ画像をシミュレーション画像へ変換することで、触覚を要するタスクのゼロショットsim-to-real転送を実現した。
- 触覚センシングを用いた3Dピンチングの安定把持のためのロバスト制御器触覚2021/6/1
触覚指先を持つ2本指ロボットで未知形状物体を安定把持する制御器を提案し、触覚画像からCNNで接触面の向きを推定して指先を転がし把持力を調整、シミュレーションと実機で外乱に頑健な安定把持を実証した。
- 確率的識別モデルによる触覚の知覚的エイリアシング問題の解決触覚2021/6/1
触覚データにおける知覚的エイリアシング問題を指摘し、混合密度ネットワークを用いた確率的識別モデルで曖昧な触覚入力を精度良く予測できることを示した論文。
- TacTipに代表される柔軟バイオミメティック光学触覚センシングのレビュー触覚2021/5/1
柔軟ロボット・バイオミメティクス・光学触覚を組み合わせたSoftBOTセンサの代表例であるTacTipについて、皮膚構造と触覚変換原理、せん断知覚、3Dプリントによる作製、AIによる知覚・制御、深層学習による能力向上を10年の進展として概説したレビュー。
- 不確実性を考慮した深層学習による触覚サーボ制御触覚2021/4/1
光学式触覚センサと深層学習で物体のエッジ姿勢を推定し、予測の不確実性をカルマンフィルタと組み合わせて触覚サーボ制御の精度と滑らかさを改善した研究。
- 柔軟ロボットハンドにおける触覚と運動制御の統合触覚2021/2/1
ピサ/IITソフトハンドに光学式触覚センサTacTipを組み込み、未知物体への軽接触の閉ループ制御と把持物体のエッジ姿勢制御を実現した研究。
- 触覚と固有感覚フィードバックを用いた目標駆動型ロボット押し操作触覚/マニピュレーション2020/12/1
高解像度光学触覚センサのフィードバックで押し操作を適応制御し、モデルに頼らず物体を目標位置へ運ぶ手法を提案・評価した。
- 姿勢ベース触覚サーボ制御:深層学習を用いた制御されたソフトタッチ触覚2020/12/1
柔らかい光学式触覚センサの姿勢を深層学習で推定し、それをサーボ制御ループに組み込むことで、複雑な3D物体上でもロバストかつ正確な触覚サーボ制御を実現した論文。
- 時空間エンコーディングによるニューロモルフィック触覚テクスチャ分類の改善触覚2020/10/1
多チャネルのニューロモルフィック触覚システムで接触をスパイク列として符号化し、機械受容器集団の時空間応答パターンを共起行列で表現することで、テクスチャ分類精度と滑り速度への頑健性が向上することを示した研究。
- 多指触覚ロボットハンドによる把持安定化のための滑り検出触覚2020/10/1
多指触覚ハンドT-MOにSVMを適用して物体の滑りを検出し、リアルタイムで把持を安定化できることを11種類の物体で実証した研究。
- 指紋構造で初期滑りを誘発する生体模倣触覚センサ触覚2020/8/1
人間の指紋を模した同心円状の隆起を光学式触覚センサに追加し、物体把持時に生じる部分的な滑り(初期滑り)を誘発・検出して、物体の落下を事前に防げることを示した論文。
- 触覚の足先で歩く:歩行ロボット向けTacTip足裏センサ触覚2020/8/1
高解像度の生体模倣触覚センサTacTipを用いた、頑丈で安価な歩行ロボット用触覚足を開発し、四足ロボットの平均台歩行で転落防止効果を実証した。
- 触覚ロボティクスのための深層強化学習:点字キーボードでタイピングを学習する触覚/強化学習2020/8/1
触覚画像のみを観測として用い、実機ロボットで点字キーボードのタイピングを深層強化学習で学習させる環境と4段階のタスクを提案し、シミュレーションでは全タスク、実機では4タスク中3タスクの学習に成功した。
- 光学式触覚センサのシミュレーションから実機への転移触覚2020/4/1
TacTip光学触覚センサの柔軟体シミュレーションをUnityで構築し、ドメインランダム化により実機データなしで実世界のエッジ位置・角度を1mm未満の誤差で予測できることを示した。
- NeuroTac:触覚テクスチャ認識に応用するニューロモルフィック光学触覚センサ触覚2020/3/1
人間の皮膚構造を模した光学触覚センサにイベントカメラを組み合わせ、接触情報をスパイク列として出力するニューロモルフィック触覚センサを開発し、テクスチャ分類で時間ベースの符号化が高精度であることを示した。
- ロボット触覚のための最適な深層学習触覚2020/3/1
光学式触覚センサを用い、物体の接触部位の相対姿勢を推定する深層学習モデルを構築。せん断などの外乱に頑健なモデルをベイズ最適化で探索した。
- 触覚で輪郭をなぞる:オンライン学習によるデータ効率の良い触覚輪郭追従触覚2019/9/1
ガウス過程潜在変数モデルを用いたオンライン学習により、ロボットが触覚データから輪郭追従タスクを少ないデータで学習し、未知の触覚刺激にも頑健に汎化できる手法を提案した。
- 触覚モデルO:3Dプリント製3本指触覚ロボットハンドの製作と評価触覚2019/7/1
3Dプリントの3本指ハンド各指先に軟質触覚センサTacTipを搭載し、YCB物体での把持性能と触覚による物体分類・把持成功予測を評価した研究。
- 柔らかい触覚センサによるせん断変形に頑健な摺動接触知覚触覚2019/5/1
軟らかい触覚センサTacTipの連続接触データに対し、PCAを用いて摺動によるせん断変形の影響を除去し、物体の輪郭追従を6物体で成功させた研究。
- ピクセルから知覚へ:深層学習と光学生体模倣触覚センサによる高ロバストなエッジ知覚と輪郭追従触覚2018/12/1
光学生体模倣触覚センサTacTipに深層CNNを適用し、円盤へのタッピングのみで訓練したモデルで、不規則・柔軟物体のエッジ知覚と輪郭に沿った接触点計画を実現した。
- TacWhiskers:生体模倣型の光学式触覚ひげロボット触覚2018/10/1
3Dプリント製光学触覚センサTacTipを改良し、静的なひげと動くひげの2種類の触覚ひげアレイを開発、物体位置推定タスクで動くひげがミリメートル精度の位置知覚を実現することを示した。
- 触覚の主成分分析:触覚センサデータの可視化と感度評価触覚2018/5/1
4種類の触覚センサデータにPCAを適用し、触覚データの構造を可視化するとともに、主成分空間のユークリッド距離からセンサの感度分布を評価できることを示した研究。
- ボロノイ分割による触覚センシングの特徴推定触覚2018/5/1
光学式触覚センサTacTipの内部ピン変位データにボロノイ分割を適用し、圧力・せん断・接触位置を学習なしで直接推定する手法を提案した。
