TacHair: 触覚接触分布ガイドによるロボット毛髪ストロークと知覚のオンライン補正

ロボットによる頭髪ストローク（hair stroking）を対象に、高解像度の触覚観測を空間的な hair-contact distribution として表現し、オンラインで接触を補正するフレームワーク TacHair を提案する研究。 - 目的は、変形可能で視覚的に遮蔽されやすい髪表面に対して、接触を維持しながらストロークを遂行するロボットの実現。 - visuotactile imitation policy が nominal なストローク運動を生成し、別途学習した residual module が局所的な接触ずれを補正する構成。 - 実機で 525 trials、5 種類の head geometries、3 種類の hair conditions を評価。

既存の robotic hair-care や surface-following は、trajectory planning、compliance、force regulation、tactile-conditioned policies に主に依存していた。 - しかし変形する髪は接触を保ったまま end-effector 上を徐々にドリフトし得るため、局所的な相互作用の調整が難しいという課題があった。 - 本研究は、高解像度触覚を spatial hair-contact distribution として扱い、タスク進行と接触回復を分離する点で先行手法と異なる。 - 同一の visuotactile policy に補正を加えない場合と比べ、success を 42.9% から 62.3%、contact maintenance を 59.4% から 88.0% に改善。

TacHair は tactile contact-distribution guided online correction framework。 - 高解像度の tactile observations を spatial hair-contact distribution として表現する。 - visuotactile imitation policy が nominal stroking motion を生成する。 - 別途訓練された residual module が局所的な contact deviations を補正する。 - これにより task progression と contact recovery を分離する設計。 - 詳細なネットワーク構造や学習手順は要旨からは不明。

実ロボットで 525 trials を実施。 - 5 種類の head geometries と 3 種類の hair conditions で評価。 - 成功したストロークは、十分な task progression と contact maintenance の両方を満たすと定義。 - 補正なしの同一 visuotactile policy と比較し、success は 42.9% から 62.3%、contact maintenance は 59.4% から 88.0% へ向上。 - Demos、code、datasets は https://tachair.github.io で公開。

結果は、spatial tactile contact distributions が、変形可能かつ視覚的に遮蔽された表面との接触維持を伴う相互作用のための有効な feedback representation であることを示す。 - 髪が接触中に end-effector 上をドリフトする問題に対し、局所接触の補正が有効であることを示唆。 - 限界、失敗事例、計算コスト、他タスクへの一般化については要旨からは不明。

要旨で参照・比較されている研究は明示されていない。 - 関連手法として、trajectory planning、compliance、force regulation、tactile-conditioned policies が挙げられている。 - 同分野の定番として、visuotactile imitation learning、residual policy learning、tactile servoing に関する文献を次に読む候補として挙げる。