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
マニピュレーションarXiv:2611.06359

渦吸着グリッパによる柔軟物把持時の渦誘起トルク：形状と空気圧パラメータの影響

Vortex-Induced Torque in Grasping Soft Objects: Influence of Geometry and Pneumatic Parameters

シェア:XThreadsFacebookLINEはてブBluesky

渦式グリッパで柔軟物を把持する際に生じる回転トルクを、供給圧力・ノズル径・表面形状・曲率の影響として実験的に定量化し、ガウス過程回帰で予測できることを示した研究。

詳しい要約

1. どんなもの？

- Vortex gripper を用いて compliant な物体を把持する際に生じる vortex-induced torque を対象とした研究 - supply pressure、tangential nozzle diameter、surface geometry、curvature の結合効果を定量化 - 軟物体の dexterous manipulation に向けた torque の予測・活用の基礎を与えることを目的とする

2. 先行研究と比べてどこがすごい？

- Vortex gripper は packaging、sorting、assembling などで実用化されているが、compliant 物体との相互作用、特に把持中に伝達される vortex-induced torque の予測は困難であった - 本研究は供給圧力・ノズル径・表面形状・曲率を同時に扱い、torque への結合影響を定量化した点が新しい - 要旨からは不明：具体的な先行研究との数値比較や優位性の定量的記述はない

3. 技術・手法の肝は？

- supply pressure、tangential nozzle diameter、surface geometry、curvature を変化させて vortex-induced torque を計測 - dome-concave / dome-convex、cylindrical concave / convex などの表面形状を比較 - 空気圧パラメータと幾何パラメータを入力とする機械学習回帰を適用し、Gaussian Process Regression が最も良い予測性能を示した - 詳細な実験装置や計測手法は要旨からは不明

4. どうやって有効だと検証した？

- 複数の表面形状・空気圧条件で torque を計測し、形状間の比較を実施 - 機械学習回帰手法を repeated cross-validation で比較し、Gaussian Process Regression の予測性能を評価 - dome-concave で最も強く再現性の高い応答を確認 - 具体的なデータ数や評価指標は要旨からは不明

5. 議論はある？

- tangential nozzle diameter の増加は一様に torque を高めるのではなく、supply pressure に対する torque の感度を主に高める - dome-concave は dome-convex より大きな torque を生じるが、cylindrical では凹/凸の差は比較的小さい - 物体と gripper の幾何的マッチングが良好な dome-concave で最も強い再現性のある応答 - 限界や今後の課題についての詳細は要旨からは不明

6. 次に読むべき論文は？

- 要旨で直接参照・比較されている個別論文は不明 - 関連手法として Gaussian Process Regression の文献、vortex gripper の把持・操作に関する研究、soft object manipulation に関する研究を次に読む候補として挙げる

※ 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: Roman Mykhailyshyn, Tomohiro Motoda, Ivan Virgala, Ann Majewicz Fey, Yukiyasu Domae

分類: cs.RO

原文アブストラクト

Vortex grippers are commonly integrated into automated systems for handling objects with complex geometries in packaging, sorting, and assembling. However, their interaction with compliant objects remains difficult to predict, particularly with respect to the vortex-induced torque transmitted during grasping. This study investigates vortex-induced torque during the grasping of compliant objects and quantifies the coupled effects of supply pressure, tangential nozzle diameter, surface geometry, and curvature. The results show that increasing the tangential nozzle diameter primarily enhances the sensitivity of the generated torque to supply pressure rather than producing a uniformly higher torque. Surface geometry also strongly influences the rotational interaction, with dome-concave surfaces generally producing substantially greater torque than corresponding dome-convex surfaces, whereas the difference between cylindrical concave and convex surfaces is comparatively small. The strongest and most repeatable response was observed for a dome-concave surface exhibiting favorable object-gripper geometric matching. Among the evaluated machine-learning regression methods, Gaussian Process Regression provided the best overall predictive performance under repeated cross-validation, demonstrating that vortex-induced torque can be estimated from combined pneumatic and geometric parameters. These findings provide a basis for predicting and utilizing vortex-induced torque in the dexterous manipulation of soft objects.

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