論文の概要: World In Your Hands: A Large-Scale and Open-Source Ecosystem for Learning Human-Centric Manipulation in the Wild
- arxiv url: http://arxiv.org/abs/2512.24310v3
- Date: Sun, 15 Mar 2026 11:02:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.575021
- Title: World In Your Hands: A Large-Scale and Open-Source Ecosystem for Learning Human-Centric Manipulation in the Wild
- Title（参考訳）: World in Your Hands: 野生で人間中心の操作を学ぶための大規模でオープンソースのエコシステム
- Abstract要約: We introduced World In Your Hands (WIYH), a large-scale open-source ecosystem which are over 1,000 hours of human manipulate data collected in the-the-wild with mm-scale motion accuracy。
WIYHには,(1)正確なモーションキャプチャのための自動ラベルパイプラインを備えたウェアラブルデータ収集キットであるOracle Suite,(2)現実世界のさまざまなシナリオにおいて,数百のスキルにわたる1,000時間以上のマルチモーダル操作データを備えたWIYHデータセット,(3)知覚から行動までのタスクをサポートする広範なアノテーションとベンチマークが含まれている。
- 参考スコア（独自算出の注目度）: 39.807495803859574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce World In Your Hands (WIYH), a large-scale open-source ecosystem comprising over 1,000 hours of human manipulation data collected in-the-wild with millimeter-scale motion accuracy. Specifically, WIYH includes (1) the Oracle Suite, a wearable data collection kit with an auto-labeling pipeline for accurate motion capture; (2) the WIYH Dataset, featuring over 1,000 hours of multimodal manipulation data across hundreds of skills in diverse real-world scenarios; and (3) extensive annotations and benchmarks supporting tasks from perception to action. Furthermore, experiments based on the WIYH ecosystem show that integrating WIYH's human-centric data improves robotic manipulation success rates from 8% to 60% in cluttered scenes. World In Your Hands provides a foundation for advancing human-centric data collection and cross-embodiment policy learning. All data and hardware design will be open-source.
- Abstract（参考訳）: We introduced World In Your Hands (WIYH), a large-scale open-source ecosystem which are over 1,000 hours of human manipulate data collected in the-the-wild with mm-scale motion accuracy。
具体的には、(1)Oracle Suite、(2)正確なモーションキャプチャーのための自動ラベルパイプラインを備えたウェアラブルデータ収集キット、(2)WIYH Dataset、(3)知覚から行動までのタスクをサポートする広範囲なアノテーションとベンチマーク、を含む。
さらに、WIYHエコシステムに基づいた実験により、WIYHの人間中心のデータの統合は、散らかったシーンにおけるロボット操作の成功率を8%から60%に改善することが示された。
World In Your Handsは、人間中心のデータ収集と組織間政策学習を促進する基盤を提供する。
データとハードウェアの設計はすべてオープンソースになる。
関連論文リスト
- Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning [82.27496680935589]
オープンでコミュニティ指向のエゴセントリックな操作と,キャプチャからモデルトレーニングまでのツール中心のパイプラインであるOpen-AoEを紹介します。
最初のリリースでは、400以上のスマートフォンを使用して500以上の自然環境で収集された約2000時間のビデオが含まれている。
論文 参考訳（メタデータ） (2026-07-15T14:49:49Z) - RoboTacDex: A Dexterous Visual-Tactile-Action Dataset for Humanoid Manipulation [29.49648908136145]
RoboTacDexは、ヒューマノイドロボットによって実行される、大規模で、マルチモーダルで多様な操作行動のデータセットである。
一般公開されたヒューマノイドロボットUnitree G1をベースにしたRoboTacDexは、19のタスク、23のスキル、22のオブジェクトとのインタラクションを含む6kの軌道で構成されている。
論文 参考訳（メタデータ） (2026-06-30T15:39:29Z) - HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning [52.022681285103126]
我々はHumanoid MimicGenについて述べる。
本手法は,少数の実演から新しい状態へ,接触に富んだ全身スキルを適応させる。
我々は、HumanoidMimicGenが生成したデータと協調してトレーニングされた全身ビズモータポリシーが、実世界のデータでのみトレーニングされたものよりも20%優れていたことを示す。
論文 参考訳（メタデータ） (2026-05-26T21:57:11Z) - HRDexDB: A Large-Scale Dataset of Dexterous Human and Robotic Hand Grasps [21.23783024012312]
HRDexDBは、人間と多様なロボットハンドを特徴とする、高忠実なデクスタラスな把握シーケンスの大規模なデータセットである。
データセットは、成功と失敗の両方を包含し、視覚的、運動的、触覚的なモダリティに富んだ1.4Kのグルーピングトライアルで構成されている。
論文 参考訳（メタデータ） (2026-04-16T12:38:14Z) - In-N-On: Scaling Egocentric Manipulation with in-the-wild and on-task Data [33.674143801589956]
エゴセントリックなビデオは、操作ポリシーを学ぶための価値がありスケーラブルなデータソースです。
本稿はまず,人間のデータを2つのカテゴリに分類することで,エゴセントリックなデータを収集・利用するためのスケーラブルなレシピを提供する。
我々は、Human0が、人間のデータのみからの指示に従う言語を含む、人間のデータのスケーリングから、いくつかの新しい特性を達成していることを示す。
論文 参考訳（メタデータ） (2025-11-19T18:59:04Z) - Being-H0: Vision-Language-Action Pretraining from Large-Scale Human Videos [66.62109400603394]
本稿では,大規模な人体ビデオで訓練された視覚・言語・行動モデルであるBeing-H0を紹介する。
提案手法は,人間のビデオからの大規模VLA事前学習,3次元推論のための物理空間アライメント,ロボット作業のためのポストトレーニング適応を組み合わせた,新しいトレーニングパラダイムである物理インストラクションチューニングに重点を置いている。
本研究では,手の動き生成と指示の結果としてのBeat-H0の卓越性を実証的に示すとともに,モデルやデータサイズにもよく対応している。
論文 参考訳（メタデータ） (2025-07-21T13:19:09Z) - AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systems [88.05152114775498]
AgiBot Worldは、217のタスクにまたがる100万以上のトラジェクトリを5つのデプロイメントシナリオで構成した大規模なプラットフォームである。
AgiBot Worldは高品質で多様なデータ配信を保証する。
GO-1は、現実世界のデクスタラスタスクや長距離タスクにおいて例外的な能力を示す。
論文 参考訳（メタデータ） (2025-03-09T15:40:29Z) - Kaiwu: A Multimodal Manipulation Dataset and Framework for Robot Learning and Human-Robot Interaction [5.989044517795631]
本稿では,実世界の同期型マルチモーダルデータ問題に対処するために,カイウーマルチモーダルデータセットを提案する。
このデータセットはまず、人間、環境、ロボットのデータ収集フレームワークを20の被験者と30のインタラクションオブジェクトと統合する。
絶対タイムスタンプに基づく細粒度マルチレベルアノテーションとセマンティックセグメンテーションラベリングを行う。
論文 参考訳（メタデータ） (2025-03-07T08:28:24Z) - RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in
One-Shot [56.130215236125224]
オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。
単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。
本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
論文 参考訳（メタデータ） (2023-07-02T15:33:31Z)
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。