15自由度の手のひらスケール人工マニピュレータ向けリアルタイムジェスチャーマッピングシステム

Dexterous in-hand manipulation(器用な手による物体操作)において、ロボットハンドは頻繁な隠蔽、接触が多い相互作用、高速なダイナミクス下で物体状態を確実に推定する必要がある。触覚センシングは高周波で接触特異的なフィードバックを提供するが、生の触覚信号から有用な表現を抽出し、それを視覚や固有受容感覚と統合することは依然として困難である。本稿では、触覚信号を時空間グラフとして明示的にモデル化するマルチモーダルな器用な操作フレームワーク「TouchWGNN」を提案する。まず、5本指のロボットハンド用に低コストの分散型触覚センサーアレイを開発し、主要な接触領域に分散した1…

• 指関節のソフト容量性伸縮センサーと手のひらの6要素疎圧力アレイを融合した最小限マルチモーダル触覚システムを開発
• 軽量MLPを用いて4つの幾何学的原始形状を表す12個の剛体オブジェクトに対して95.4%のサイズ不変認識精度を達成し、高密度ベースラインを上回った
• ANOVAベースのチャネル選択により情報量の少ない中手指節間関節の信号を除去し、指関節センサー数を削減しながら分類精度を向上

• Vision-Languageモデルを用いた3モジュール人間中心デジタルツイン(HCDT)フレームワークによる疲労認識型HRCを、標準的なUniversal Robots UR3上にリアルタイム・オープンソースROS 2実装として発表した。
• ジェスチャー分類器が99.62%の精度を達成し、ジェスチャーからロボット動作までの遅延は最大約830msであると報告された。
• 疲労度に応じたロボットの予備位置決めが可能となる一方、生理学的経路の検証はシミュレーショントリガーによるものであり、有機的データによる検証は未実施である。

ロボット把持における触覚センシングは、視覚や制御信号だけでは得られない接触情報を提供することで把持能力を向上させる。しかし、ロボットハンドへの触覚センシングの実装は、外部配線、データ取得ハードウェア、電力要件、限られた指先スペースによって制約を受けることが多い。本研究では、ロボットグリッパーにワイヤレス多点接触センシングを追加するための、自己完結型の静電容量式触覚指先モジュールを提案する。このモジュールは、3x1アレイの薄型フレキシブル静電容量センサー、静電容量-デジタル変換器、Bluetooth対応マイクロコントローラー、および小型の指先形状ハウジング内に搭載されたバッテリーを統合している…

• ManiSkill-HABシミュレーションで、提案手法が評価された6つのサブタスクすべてにおいてベースラインと比較してサブタスク成功率とサンプル効率を向上させた。