ロボット工学における器用な操作や遠隔操作、デモンストレーション学習など、様々な応用領域で活用されているタッチセンサー手袋は、手と物体の相互作用における接触と力を数値化する重要なツールです。手の器用性を保持し、自然な相互作用の細かなニュアンスを捉えるため、これらの手袋に統合されたセンサーは柔軟で快適な設計が求められています。 しかし、柔軟なセンサーは接触力に対する感度が高い一方で、必然的に手の姿勢変化にも反応してしまい、姿勢関連アーティファクト（PRA）が発生します。特に低力域ではこの問題が深刻で、接触の誤検出や検出の遅れが生じ、手袋の最小検出力（MDF）が高くなるという課題がありました。 本研究では、PRAと姿勢・力の関係を詳細に特性化し、手の姿勢情報を活用して手袋自体の改造なしにPRAを軽減する、汎用的なアルゴリズムフレームワークを提案しています。提案される姿勢認識力推定モデルは、既存のタッチセンサーから力への変換パイプラインに対して、姿勢によるセンサー変形を明示的に説明する残差予測分枝を追加するものです。 3種類の手袋設計と15人のユーザーにわたる評価実験により、MDFが10.4%、12.2%、18.3%削減され、すべての評価指標において一貫した改善が確認されました。この手法は、タッチセンサー手袋のデータ収集やロボット応用における実用性向上への実践的な道筋を提供するものとなっています。