Physics-Informed Sliding-Window Particle Filtering for Tactile-Only In-Hand 6-DoF Object Pose Refinement
作者: Lingjun Shao, Ying Zhang, Xiangfei Li, Xiangyang Li, Huan Zhao, Zhenyu Wang, Han Ding
分类: cs.RO
发布日期: 2026-08-18
备注: Accepted by IEEE RAL journal
💡 一句话要点
提出物理信息滑动窗口粒子滤波以解决触觉仅依赖的物体姿态精细化问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 触觉感知 粒子滤波 物体姿态估计 机器人抓取 物理信息 滑动窗口 对称感知 多模态融合
📋 核心要点
- 现有方法在仅依赖触觉进行物体姿态估计时面临触觉信息稀疏和模糊的问题，导致姿态精度不足。
- 本文提出了一种物理信息滑动窗口粒子滤波方法，通过结合多种触觉信息来更新物体姿态信念，提升了估计的准确性。
- 实验结果显示，该方法在姿态估计精度上显著优于现有的触觉几何和粒子滤波基线，验证了其有效性。
📝 摘要（中文）
本文研究了在静态和短暂准静态的手内配置中，仅依赖触觉进行6自由度姿态精细化和信念维护的问题，尤其是在视觉不可用或严重遮挡的情况下。主要挑战在于触觉的部分可观测性：整个手掌的接触点稀疏、间歇且在有限激励和物体对称性下模糊不清。我们提出了一种基于物理信息的粒子滤波方法，利用密集的全手触觉测量更新姿态信念。该方法结合了主动接触的有符号距离一致性、力法线对齐、摩擦锥可行性、零力负证据和可选的可行性保护。滑动窗口对数似然融合了最近的触觉帧，以减少单帧的模糊性，同时潜在场引导的提议使粒子远离手与物体的穿透。对称感知重采样保留了多个合理的模式。实验结果表明，该方法在Allegro Hand V5上对五个物体的表现优于触觉几何、粒子滤波和学习基线，消融实验验证了时间融合、潜在引导和模式保留的优势。
🔬 方法详解
问题定义：本文旨在解决在视觉信息缺失的情况下，如何通过触觉信息精确估计抓取物体的6自由度姿态。现有方法在处理触觉信息时，往往面临接触点稀疏和模糊性的问题，导致姿态估计的准确性不足。
核心思路：论文提出了一种基于物理信息的粒子滤波方法，利用密集的全手触觉测量来更新物体的姿态信念。通过结合多种触觉信息，减少单帧数据带来的模糊性，从而提高姿态估计的准确性。
技术框架：整体方法包括多个模块：首先，通过滑动窗口对最近的触觉帧进行融合，接着利用物理模型计算接触点的可能性，最后通过对称感知重采样保留多个合理的姿态模式。
关键创新：最重要的技术创新在于将物理信息与触觉测量相结合，提出了滑动窗口粒子滤波框架，显著提高了姿态估计的准确性和鲁棒性。与现有方法相比，该方法更好地处理了触觉信息的稀疏性和模糊性。
关键设计：在方法设计中，采用了主动接触的有符号距离一致性、力法线对齐、摩擦锥可行性等技术细节，确保了粒子滤波的有效性。此外，潜在场引导的提议设计有效避免了手与物体的穿透问题，增强了算法的稳定性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的方法在Allegro Hand V5上对五个物体的姿态估计精度显著优于触觉几何、粒子滤波和学习基线，具体表现为较低的归一化ADD-S值。此外，消融实验验证了时间融合、潜在引导和模式保留的有效性，进一步提升了算法的性能。
🎯 应用场景
该研究具有广泛的应用潜力，尤其是在机器人抓取、物体操作和人机交互等领域。通过提高触觉信息的利用效率，该方法可以在视觉受限的环境中实现更精确的物体姿态估计，推动智能机器人在复杂环境中的应用。未来，该技术可能在自动化制造、医疗机器人和服务机器人等领域发挥重要作用。
📄 摘要（原文）
This paper studies tactile-only 6-DoF pose refinement and belief maintenance for grasped objects in static and short quasi-static in-hand configurations where vision is unavailable or heavily occluded. The key difficulty is tactile partial observability: whole-hand taxel contacts are sparse, intermittent, and ambiguous under limited excitation and object symmetries. We propose a physics-informed particle filter on $\mathrm{SE}(3)$ that updates pose beliefs from dense whole-hand tactile measurements. The likelihood combines active-contact signed-distance consistency, force-normal alignment, friction-cone feasibility, zero-force negative evidence, and optional feasibility guards. A sliding-window log-likelihood fuses recent tactile frames to reduce single-frame ambiguity, while a potential-field-guided proposal steers particles away from hand--object penetration. Symmetry-aware resampling preserves multiple plausible modes. Experiments on an Allegro Hand V5 with five objects show lower normalized ADD-S than tactile-only geometric, particle-filter, and learning baselines, and ablations confirm the benefits of temporal fusion, potential guidance, and mode preservation.