データセット2026/8/18arXiv:2608.17962v1

PRISM：マルチモーダルセンシングを備えた精密で接触豊富な実世界産業スキルデータセット

PRISM: Precision and contact-rich Real-world Industrial Skill dataset with Multimodal sensing

産業組立に必要な精密制御や力/トルク、触覚などのマルチモーダルフィードバックを含む、25以上の操作タスクと45時間の遠隔操作デモを収録した大規模データセットを公開した論文。

詳しい要約

1. どんなもの？

PRISMは、産業組立における接触を伴う操作タスクに特化した大規模マルチモーダルデータセットである。25以上の操作タスク（電子部品の挿抜、コンベア仕分けなど）を含み、5,000以上の軌道、合計45時間の遠隔操作デモを提供する。データは同期されたマルチビューRGB-D、力/トルク、触覚、ロボット状態計測で記録されている。家庭や実験室環境で収集された既存データセットとは異なり、高精度な産業制約下でのマルチモーダル知覚と制御の現実的なベンチマークを提供し、実世界の製造環境における接触豊かな汎用操作の基盤となる。データセットはオープンソース化されている。

2. 先行研究と比べてどこがすごい？

既存のロボット学習用データセットは、pick-and-placeのような短期的で低接触のタスクに焦点を当てており、産業組立に必要な精密制御、力/トルクや触覚の調整、マルチモーダルフィードバックを捉えていない。PRISMは、接触豊かな産業操作に特化した大規模データセットを提供することで、このギャップを埋める。家庭や実験室環境ではなく、実際の産業環境に近い設定でデータを収集し、多様な機械的制約をカバーしている点が革新的である。

3. 技術・手法の肝は？

手法の肝は、産業操作タスクのデータ収集を大規模に行うための設計にある。具体的には、遠隔操作によるデモンストレーションを収集し、マルチビューRGB-D、力/トルク、触覚、ロボット状態を同期して記録する。これにより、接触豊かな操作におけるマルチモーダルな情報を包括的に捉える。また、25以上のタスクを選定し、電子部品の挿抜やコンベア仕分けなど、多様な機械的制約を含むことで、汎用性の高いベンチマークを実現している。

4. どうやって有効だと検証した？

要旨からは、データセットの有効性を検証する具体的な方法は不明である。ただし、データセットの規模（5,000軌道、45時間）とタスクの多様性（25以上）が、実世界の産業操作におけるマルチモーダル知覚と制御のベンチマークとしての有用性を示す根拠となっている。

5. 議論はある？

要旨からは、議論や限界についての言及はない。ただし、産業環境でのデータ収集は、家庭や実験室と比べてコストや安全性の課題がある可能性が考えられる。また、データセットが特定の産業タスクに焦点を当てているため、他の操作タスクへの一般化には限界があるかもしれない。

6. 次に読むべき論文は？

要旨で参照されている先行研究は明示されていないが、ロボット学習の大規模データセットに関する研究（例：RT-1、RT-2、Bridge Dataなど）が関連する。また、接触豊かな操作に関する研究（例：tactile manipulation、force-controlled assembly）も関連する。具体的には、要旨で言及されている「既存のデータセット」に該当する論文を読むことが推奨される。

※ 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: Tengbo Yu, Jiahao Wu, Hanning Wang, Rui Chen, Chuanhou Liu, Chuang Sun, Hangxin Liu

分類: cs.RO

原文アブストラクト

Recent progress in robotic learning has been fueled by large-scale datasets collected in everyday environments. However, most existing datasets emphasize short-horizon, low-contact tasks such as pick-and-place, and therefore do not capture the precision control, force/torque or tactile regulation, and multimodal feedback required for industrial assembly. To address this gap, we introduce PRISM, a large-scale multimodal dataset for contact-rich industrial operations. The dataset spans more than 25 manipulation tasks (e.g., electronic components plug/unplug, conveyor-based sorting) and covers diverse mechanical constraints. PRISM includes more than 5,000 trajectories totaling 45 hours of teleoperated demonstrations, recorded using synchronized multi-view RGB-D, force/torque, tactile, and robot-state measurements. In contrast to datasets collected in household or laboratory settings, PRISM provides a realistic benchmark for multimodal perception and control under high-precision industrial constraints, and serves as a foundation for contact-rich, generalizable manipulation in real-world manufacturing environments. The dataset is open-sourced at: https://tengbo-yu.github.io/PRISM/

arXivで原文を読む →arXiv概要ページ

← 論文一覧