TacSpin: Tactile Tracking of In-Gripper Object Rotation on SO(3) via Axis-Magnitude Estimation

📄 arXiv: 2610.17574v1 📥 PDF

作者: Yuhao Wu, Linhao Song, Huan Yin

分类: cs.RO

发布日期: 2026-10-13

备注: 7 pages, 7 figures

💡 一句话要点

提出TacSpin以解决抓取物体旋转跟踪问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 触觉跟踪 机器人操作 SO(3)旋转 视觉传感器 接触几何 轴-幅度估计 机械手

📋 核心要点

  1. 现有方法在抓取物体旋转跟踪中面临接触覆盖不足和变形不均的挑战，导致触觉估计不准确。
  2. TacSpin通过分别估计旋转的轴和幅度，避免了传统方法的刚体模型拟合问题，提升了估计精度。
  3. 在标准物体上，TacSpin显著降低了平均检查点误差，且在真实物体的不同接触几何下表现出色。

📝 摘要（中文）

在机械手中跟踪物体运动为机器人操作提供了重要反馈。然而，由于接触覆盖有限和变形不均，触觉估计面临挑战。本研究提出TacSpin，一种仅使用两个基于视觉的触觉传感器来跟踪SO(3)空间中抓取物体旋转的方法。其核心思想是分别估计旋转响应的轴和幅度，而不是通过最小二乘法拟合刚体模型。每个手指的响应通过接触边界线索进一步优化，随后根据一致性融合两个手指的结果。在标准物体上，TacSpin实现了更低的平均检查点误差。对真实物体的定性演示表明，该方法在不同接触几何形状下的跟踪能力。

🔬 方法详解

问题定义：本论文旨在解决在机械手中对抓取物体旋转的准确跟踪问题。现有方法由于接触覆盖有限和物体变形不均，导致触觉估计的准确性受到影响。

核心思路：TacSpin的核心思路是将旋转响应的轴和幅度分开估计，而不是通过最小二乘法拟合刚体模型。这种方法可以更好地应对接触不均和变形问题。

技术框架：TacSpin的整体架构包括两个主要模块：首先是通过视觉传感器获取触觉信息，其次是利用接触边界线索对每个手指的响应进行优化，最后根据两个手指的结果进行融合。

关键创新：TacSpin的创新点在于其独特的轴-幅度分离估计方法，这与传统的刚体模型拟合方法有本质区别，能够更有效地处理复杂的接触情况。

关键设计：在设计中，TacSpin采用了特定的损失函数来优化旋转轴和幅度的估计，并通过接触边界线索来增强每个手指的响应精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

TacSpin在标准物体上实现了更低的平均检查点误差，具体数值未提供。通过与传统方法的对比，TacSpin在不同接触几何形状下的跟踪能力得到了显著提升，展示了其在真实世界应用中的有效性。

🎯 应用场景

TacSpin的研究成果在机器人抓取和操作领域具有广泛的应用潜力，尤其是在需要精确控制和反馈的复杂环境中。其方法可以被应用于工业自动化、服务机器人以及医疗机器人等领域，提升机器人在动态环境中的操作能力。

📄 摘要（原文）

Tracking object motion within a gripper provides essential feedback for robotic manipulation. However, limited contact coverage and uneven deformation make tactile estimation challenging. In this study, we present TacSpin, a method that tracks in-gripper object rotation on SO(3) using only two vision-based tactile sensors. The key idea is to estimate the axis and magnitude of the rotation response separately, rather than fitting a rigid-body model by least squares. Each finger's response is further refined with contact-boundary cues. The two fingers are then fused according to their agreement. On standard objects, TacSpin achieves lower mean checkpoint errors. Qualitative demonstrations on real-world objects, using calibration transferred from a standard sphere, illustrate tracking under different contact geometries.