日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
触覚arXiv:2609.27381

CoPRE: 低コストロボットアームの固有感覚接触検出感度の向上

CoPRE: Improving Sensitivity in Proprioceptive Contact Detection for Low-Cost Robot Arms

シェア:XThreadsFacebookLINEはてブBluesky

力覚センサなしで固有感覚のみから接触を検出する手法CoPREを提案し、低コストアームでの検出感度を大幅に改善した。

詳しい要約

1. どんなもの？

- 低コストロボットアームにおける接触検出を改善する手法「Contact-free Proprioceptive Response Estimation (CoPRE)」を提案。 - 専用の力覚センサや触覚センサ、接触ラベル、解析的動力学モデルを必要とせず、固有受容感覚のみを用いる。 - 接触のない運動時の関節トルクを予測し、実際のトルクとの残差から接触スコアを計算する。 - ARX ArmとUnitree G1での実機実験で有効性を検証。

2. 先行研究と比べてどこがすごい？

- 従来の学習ベースのトルク予測や逆動力学モデルでは、ARX Armで0%/0%、Unitree G1で16.3%/42.2%の再現率だったのに対し、CoPREはARXで74.1%、G1で82.2%の再現率を達成。 - 力覚センサや接触ラベルを必要とせず、接触のない運動データのみから学習可能。 - 低コストアームでも弱い接触を検出できる感度を実現。

3. 技術・手法の肝は？

- 接触のない運動時の固有受容感覚状態履歴と指令運動から、期待される関節トルクを推定。 - 接触の影響を受けている可能性のある最近の観測を除外して予測を行う。 - 期待トルクと観測トルクの残差を計算し、ノイズ重み付きヤコビアンを用いて接触スコアにマッピング。 - 追加の力覚センサ、接触ラベル、解析的動力学モデルを一切使用しない。

4. どうやって有効だと検証した？

- ARX ArmとUnitree G1を用いた実機実験を実施。 - 接触試行における再現率を評価：CoPREはARXで74.1%、G1で82.2%を達成。 - 押し力検出率：ARXで3.5 N、G1で5.5 Nの力で90%の検出率を達成。 - 下流タスクとして、障害物を考慮した物体配置と本の挿入におけるbelief-space manipulation planningを実装し、接触検出が空間信念を更新し、ブロックされた動作からの退避、姿勢調整、再試行を可能にすることを示した。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：learned torque-prediction baseline、inverse-dynamics baseline。 - 関連手法：proprioceptive contact detection、belief-space manipulation planning。

※ 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: Yuxiao Zhu, Jinzhou Li, Yifei Dong, Muhammad Suhail, Chunyuan Yang, Xinyuan Luo, Haoyu Li, Boyuan Chen, Xianyi Cheng

分類: cs.RO

原文アブストラクト

Contact detection during robotic manipulation allows robots to recognize unexpected contact and adapt their motion accordingly. However, in low-cost robot arms without dedicated force or tactile sensors, detecting weak contacts from proprioception is challenging because the resulting changes in joint-level proprioceptive signals can be small compared to normal variation and noise caused by robot motion itself. We introduce Contact-free Proprioceptive Response Estimation (CoPRE), improving proprioceptive contact detection sensitivity using only contact-free motion, without additional force sensors, contact labels, or analytical dynamics models. CoPRE estimate the expected joint torques under contact-free motion from proprioceptive state history and commanded motion, while removing recent observations that may already reflect contact. It then computes the residual between the expected and observed joint torque estimates, and maps this residual to a contact score using a noise-weighted Jacobian. Real-robot experiments on ARX Arm and Unitree G1 show that CoPRE achieves 74.1% and 82.2% recall on the tested contact trials, compared with 0%/0% on ARX and 16.3%/42.2% on G1 for the learned torque-prediction and inverse-dynamics baselines. CoPRE also reaches 90% detection rate for pushing force at 3.5 N on ARX and 5.5 N on G1. To demonstrate the downstream utility of our method, we implement belief-space manipulation planning for obstacle-aware object placement and book insertion where detected contacts update the spatial belief and enable the robot to retreat from blocked motions, adjust its pose, and retry. Project website at https://copre-arm.github.io

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI