論文の概要: Bimanual Dexterity for Complex Tasks

• arxiv url: http://arxiv.org/abs/2411.13677v1
• Date: Wed, 20 Nov 2024 19:53:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:20:44.195116
• Title: Bimanual Dexterity for Complex Tasks
• Title（参考訳）: 複雑なタスクに対する2次元デクスタリティ
• Authors: Kenneth Shaw, Yulong Li, Jiahui Yang, Mohan Kumar Srirama, Ray Liu, Haoyu Xiong, Russell Mendonca, Deepak Pathak,
• Abstract要約: 極端にデキスタラスで低コストで,低レイテンシで,ポータブルな両用デキスタラス遠隔操作システムであるBidexを紹介した。 より複雑なタスクのために、より高速な速度で、より良い品質データを生成するために、Bidexを見つけます。 Bidexは、モバイルのバイマニュアルロボットを、野生のタスクで操作する。
• 参考スコア（独自算出の注目度）: 31.48400934879981
• License:
• Abstract: To train generalist robot policies, machine learning methods often require a substantial amount of expert human teleoperation data. An ideal robot for humans collecting data is one that closely mimics them: bimanual arms and dexterous hands. However, creating such a bimanual teleoperation system with over 50 DoF is a significant challenge. To address this, we introduce Bidex, an extremely dexterous, low-cost, low-latency and portable bimanual dexterous teleoperation system which relies on motion capture gloves and teacher arms. We compare Bidex to a Vision Pro teleoperation system and a SteamVR system and find Bidex to produce better quality data for more complex tasks at a faster rate. Additionally, we show Bidex operating a mobile bimanual robot for in the wild tasks. The robot hands (5k USD) and teleoperation system (7k USD) is readily reproducible and can be used on many robot arms including two xArms (16k USD). Website at https://bidex-teleop.github.io/
• Abstract（参考訳）: 汎用的なロボットポリシーを訓練するために、機械学習の手法は、かなりの量の人間の遠隔操作データを必要とすることが多い。 人間がデータを収集する理想的なロボットは、両腕と器用な手という、それらをよく真似るロボットだ。 しかし、50ドル以上でこのような双方向遠隔操作システムを構築することは大きな課題である。 そこで我々は,モーションキャプチャーグローブと教師アームに依存した,極端にデキスタラスで低コストで,低レイテンシで,ポータブルな両用デキスタラス遠隔操作システムであるBidexを紹介した。 我々は、BidexをVision Proの遠隔操作システムとSteamVRシステムと比較し、より複雑なタスクのためにより高品質なデータを生成するために、より高速な速度でBidexを見つける。 さらに,バイマティックなタスクにおいて,バイマティックなバイマティックなロボットを動作させることも示している。 ロボットハンド(5k USD)と遠隔操作システム(7k USD)は容易に再現可能で、2つのxArm(16k USD)を含む多くのロボットアームで使用することができる。 website at https://bidex-teleop.github.io/

関連論文リスト

• ACE: A Cross-Platform Visual-Exoskeletons System for Low-Cost Dexterous Teleoperation [25.679146657293778]
  多様なロボットプラットフォームにまたがる効率的な遠隔操作システムの構築は、これまで以上に重要になっている。 我々は、低コストなデキスタラス遠隔操作のためのクロスプラットフォームビジュアル・エクソスケルトンシステムであるACEを開発した。 従来のシステムと比較して、我々の単一のシステムは、高精度な遠隔操作を備えたヒューマノイドハンド、アームハンド、アームグリッパー、四重化グリッパーシステムに一般化することができる。
  論文  参考訳（メタデータ） (2024-08-21T17:48:31Z)
• RealDex: Towards Human-like Grasping for Robotic Dexterous Hand [64.47045863999061]
  本稿では,人間の行動パターンを取り入れた手の動きを正確に把握する先駆的データセットであるRealDexを紹介する。 RealDexは、現実のシナリオにおける認識、認識、操作を自動化するためのヒューマノイドロボットを進化させる上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-02-21T14:59:46Z)
• LEAP Hand: Low-Cost, Efficient, and Anthropomorphic Hand for Robot Learning [42.071970090044594]
  機械学習研究のための低コストで人為的な手であるLEAP Handについて述べる。 従来の手とは対照的に、LEAP Handは指のポーズに関係なく最大デキスタリティを許容する新しいキネマティック構造を持つ。 LEAP Handは実世界における操作作業に利用できることを示す。
  論文  参考訳（メタデータ） (2023-09-12T17:59:20Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• AnyTeleop: A General Vision-Based Dexterous Robot Arm-Hand Teleoperation System [51.48191418148764]
  ビジョンベースの遠隔操作は、人間レベルの知性をロボットに与え、環境と対話させる。 現在のビジョンベースの遠隔操作システムは、特定のロボットモデルとデプロイ環境に向けて設計・設計されている。 我々は、複数の異なる腕、手、現実、カメラ構成を単一のシステム内でサポートする、統一的で汎用的な遠隔操作システムであるAnyTeleopを提案する。
  論文  参考訳（メタデータ） (2023-07-10T14:11:07Z)
• From One Hand to Multiple Hands: Imitation Learning for Dexterous Manipulation from Single-Camera Teleoperation [26.738893736520364]
  我々は,iPadとコンピュータのみで3Dデモを効率的に収集する,新しい単一カメラ遠隔操作システムを提案する。 我々は,操作者の手の構造と形状が同じであるマニピュレータである物理シミュレータにおいて,各ユーザ向けにカスタマイズされたロボットハンドを構築する。 データを用いた模倣学習では、複数の複雑な操作タスクでベースラインを大幅に改善する。
  論文  参考訳（メタデータ） (2022-04-26T17:59:51Z)
• Robotic Telekinesis: Learning a Robotic Hand Imitator by Watching Humans on Youtube [24.530131506065164]
  我々は、人間なら誰でもロボットの手と腕を制御できるシステムを構築します。 ロボットは、人間のオペレーターを1台のRGBカメラで観察し、その動作をリアルタイムで模倣する。 我々はこのデータを利用して、人間の手を理解するシステムを訓練し、人間のビデオストリームをスムーズで、素早く、安全に、意味論的に誘導デモに類似したロボットのハンドアーム軌道に再ターゲティングする。
  論文  参考訳（メタデータ） (2022-02-21T18:59:59Z)
• DexVIP: Learning Dexterous Grasping with Human Hand Pose Priors from Video [86.49357517864937]
  DexVIPは,人間と物体のインタラクションビデオから,器用なロボットの把握を学習する手法である。 我々は、人間とオブジェクトのインタラクションビデオから把握した画像をキュレートし、エージェントの手のポーズに先行する。 DexVIPは、手ポーズの無い既存のアプローチや、特殊な遠隔操作機器に頼っている既存のアプローチと良好に比較できることを実証する。
  論文  参考訳（メタデータ） (2022-02-01T00:45:57Z)
• OpenBot: Turning Smartphones into Robots [95.94432031144716]
  現在のロボットは高価か、感覚豊かさ、計算能力、通信能力に重大な妥協をもたらす。 我々はスマートフォンを活用して、センサースイート、強力な計算能力、最先端通信チャネル、繁栄するソフトウェアエコシステムへのアクセスなどを備えたロボットを装備することを提案する。 われわれは50ドルの小型電気自動車を設計し、標準のAndroidスマートフォンのロボットボディとして機能する。
  論文  参考訳（メタデータ） (2020-08-24T18:04:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。