SoTa: Soft Tactile Skins for Dexterous Manipulation
Jingyun Yang, Baiyu Shi, Timothy Yu, Haitian Liu, Alberta Longhini
実装難易度
Hard
推論・学習コスト
High
想定用途
異常検知
概要
A growing body of work suggests that tactile sensing gives robot policies contact information that complements vision in dexterous manipulation. However, visuo-tactile robot data remains scarce: dexterous demonstrations require teleoperating robots, which limits dataset scale. Human demonstrations are far cheaper to collect and offer a path to scale this data, but only if human and robot hands…
何が新しいか
A growing body of work suggests that tactile sensing gives robot policies contact information that complements vision in dexterous manipulation. However, visuo-tactile robot data remains scarce:…
何に使えるか
異常検知
実装情報
- Paper URL
- あり
実装チェックリスト
実装または配布ページ
要確認Paper onlyの可能性があるため再実装前提で確認してください。
一次情報リンク
OKPaper
検証しやすさ
要確認公式実装が見つからないため、論文から再実装する前提です。
計算資源
要確認学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まずExcel/CSVの実験条件、組成、物性値を1行1実験の表に整理します。
- 2正常データだけで動くベースラインを作り、異常スコアのしきい値を現場知見と合わせます。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Hard - 公式実装が見つからないため、論文から再実装する前提です。
必要リソース
- GPU目安: High
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 再学習や評価環境の準備が必要になる可能性があります。
- 学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
Learning Transferable Skills using Goal-Conditioned Bisimulation
Unsupervised skill discovery has emerged as a promising approach for leveraging reward-free datasets to pretra
Ego4WAM: What Matters When Scaling Egocentric Human Data for Robot Learning?
Egocentric human data provides a scalable source of experience for robot learning, but varies substantially in
Post-Anomaly Detection Inference for Deep SVDD
Deep Support Vector Data Description (Deep SVDD) has become a prominent framework for unsupervised anomaly det
ParaGeo: Decomposing Paralinguistic Variation into a Shared Latent Geometry
Speech delivery varies with both the requested paralinguistic attribute and the linguistic content. We introdu