Embedding high-resolution touch across robotic hands enables adaptive human-like grasping

要約

現実世界の力学に適応するロボットハンドの開発は、ロボット工学と機械知能における基本的な課題のままです。
人間の手の運動学や制御アルゴリズムの再現が大幅に進歩したにもかかわらず、主に触覚フィードバックが不十分なことが主な原因で、ロボットシステムは動的な環境で人間の能力に匹敵するのに依然として苦労しています。
このギャップを埋めるために、表面積の 70% にわたる高解像度の触覚センシング (空間解像度 0.1 mm) を特徴とする生体模倣ハンド、F-TAC Hand を紹介します。
最適化されたハンド設計により、可動範囲全体を維持しながら高解像度触覚センサーを統合するという従来の課題を克服しました。
この手は、人間のような手の構成を合成する生成アルゴリズムによって強化されており、動的な現実世界の状況でも堅牢な把握能力を発揮します。
600 件の実世界での広範な評価により、この触覚を体現したシステムが、複雑な操作タスクにおいて非触覚システムよりも大幅に優れていることが実証されました (p<0.0001)。 これらの結果は、高度なロボット知能の開発において豊かな触覚の具現化が重要な役割を果たしているという経験的証拠を提供し、物理的センシング能力と知的行動との関係について新たな視点を提供するものである。

要約(オリジナル)

Developing robotic hands that adapt to real-world dynamics remains a fundamental challenge in robotics and machine intelligence. Despite significant advances in replicating human hand kinematics and control algorithms, robotic systems still struggle to match human capabilities in dynamic environments, primarily due to inadequate tactile feedback. To bridge this gap, we present F-TAC Hand, a biomimetic hand featuring high-resolution tactile sensing (0.1mm spatial resolution) across 70% of its surface area. Through optimized hand design, we overcome traditional challenges in integrating high-resolution tactile sensors while preserving the full range of motion. The hand, powered by our generative algorithm that synthesizes human-like hand configurations, demonstrates robust grasping capabilities in dynamic real-world conditions. Extensive evaluation across 600 real-world trials demonstrates that this tactile-embodied system significantly outperforms non-tactile alternatives in complex manipulation tasks (p<0.0001). These results provide empirical evidence for the critical role of rich tactile embodiment in developing advanced robotic intelligence, offering new perspectives on the relationship between physical sensing capabilities and intelligent behavior.

arxiv情報

著者 Zihang Zhao,Wanlin Li,Yuyang Li,Tengyu Liu,Boren Li,Meng Wang,Kai Du,Hangxin Liu,Yixin Zhu,Qining Wang,Kaspar Althoefer,Song-Chun Zhu
発行日 2024-12-19 03:05:51+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク