論文の概要: Static Is Not Enough: A Comparative Study of VR and SpaceMouse in Static and Dynamic Teleoperation Tasks

• arxiv url: http://arxiv.org/abs/2601.13042v1
• Date: Mon, 19 Jan 2026 13:25:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.842819
• Title: Static Is Not Enough: A Comparative Study of VR and SpaceMouse in Static and Dynamic Teleoperation Tasks
• Title（参考訳）: 静的ではない:静的および動的遠隔操作タスクにおけるVRと宇宙ムースの比較研究
• Authors: Yijun Zhou, Muhan Hou, Kim Baraka,
• Abstract要約: 本研究では,2つの静的タスクと2つの動的タスクに対して,VRコントローラとSpaceMouseを比較した。 結果は、特に動的タスクにおいて、高い成功率という、統計的に重要なVRのアドバンテージを示している。 既存のVR遠隔操作システムは滅多にオープンソースではなく、動的タスクに適しているので、このギャップを埋めるためにVRインターフェースをリリースします。
• 参考スコア（独自算出の注目度）: 1.491109220586182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imitation learning relies on high-quality demonstrations, and teleoperation is a primary way to collect them, making teleoperation interface choice crucial for the data. Prior work mainly focused on static tasks, i.e., discrete, segmented motions, yet demonstrations also include dynamic tasks requiring reactive control. As dynamic tasks impose fundamentally different interface demands, insights from static-task evaluations cannot generalize. To address this gap, we conduct a within-subjects study comparing a VR controller and a SpaceMouse across two static and two dynamic tasks ($N=25$). We assess success rate, task duration, cumulative success, alongside NASA-TLX, SUS, and open-ended feedback. Results show statistically significant advantages for VR: higher success rates, particularly on dynamic tasks, shorter successful execution times across tasks, and earlier successes across attempts, with significantly lower workload and higher usability. As existing VR teleoperation systems are rarely open-source or suited for dynamic tasks, we release our VR interface to fill this gap.
• Abstract（参考訳）: 模倣学習は高品質なデモンストレーションに依存し、遠隔操作はそれらを収集する主要な手段であり、データにとって遠隔操作インターフェースの選択が不可欠である。 以前の作業は主に静的なタスク、すなわち離散的なセグメント化された動作に焦点を当てていたが、デモにはリアクティブ制御を必要とする動的タスクも含まれている。 動的タスクは基本的に異なるインタフェース要求を課すため、静的タスク評価からの洞察は一般化できない。 このギャップに対処するため、我々はVRコントローラとSpaceMouseを2つの静的タスクと2つの動的タスク(N=25$)で比較する。 我々は,NASA-TLX,SUS,オープンエンドフィードバックとともに,成功率,課題期間,累積成功を評価する。 結果は、VRの統計的に有意なアドバンテージを示している: 成功率、特に動的タスクにおける高い成功率、タスク間の実行時間の短縮、試行間の早期の成功、そして作業負荷の大幅な低減とユーザビリティの向上。 既存のVR遠隔操作システムは滅多にオープンソースではなく、動的タスクに適しているので、このギャップを埋めるためにVRインターフェースをリリースします。

関連論文リスト

• A User Study on the Suitability of Teleoperation Interfaces for Primitive Manipulation Tasks [1.160208922584163]
  遠隔操作のロボットアーム制御への応用は広く研究されている。 本研究は,ロボットアームの操作に用いるインタフェースの特性に着目した。
  論文  参考訳（メタデータ） (2026-02-03T03:30:47Z)
• NavAI: A Generalizable LLM Framework for Navigation Tasks in Virtual Reality Environments [0.6732076464377242]
  NavAIは、基本的なアクションと複雑な目標指向タスクの両方をサポートする、一般化可能な大規模言語モデル(LLM)ベースのナビゲーションフレームワークである。 我々は,3つの異なるVR環境におけるNavAIを目標指向および探索的タスクにより評価した。 その結果,ゴール指向タスクでは89%の成功率で高い精度が得られることがわかった。
  論文  参考訳（メタデータ） (2026-01-06T18:54:54Z)
• One Model for All Tasks: Leveraging Efficient World Models in Multi-Task Planning [32.13266149565313]
  UniZeroのようなマルチタスクの世界モデルは、シングルタスク設定で優れている。 勾配の矛盾やモデル塑性の喪失はサンプルの効率を阻害することが多い。 本研究では,これらの課題を2つの相補的な視点 – 単一学習イテレーションと全体学習プロセス – から解決する。
  論文  参考訳（メタデータ） (2025-09-09T17:27:53Z)
• Beyond Task-Specific Reasoning: A Unified Conditional Generative Framework for Abstract Visual Reasoning [52.107043437362556]
  抽象視覚推論(AVR)は、抽象ルールを素早く発見し、新しいシナリオに一般化することを可能にする。 本稿では,統一フレームワークにおける複数のタスクに対処する,統一条件生成解法(UCGS)を提案する。 UCGSはゼロショット推論の能力を示しており、テストフェーズで目に見えないタスクから問題に対する抽象的推論を行うことができる。
  論文  参考訳（メタデータ） (2025-07-15T21:54:51Z)
• DWIM: Towards Tool-aware Visual Reasoning via Discrepancy-aware Workflow Generation & Instruct-Masking Tuning [57.285435980459205]
  構成的視覚的推論アプローチは、エンド・ツー・エンドのVR手法よりも効果的な戦略として期待されている。 DWIM: ツールの使用状況を評価し, より訓練に有効である抽出を行う, 離散性を考慮したトレーニング生成手法を提案する。 Instruct-Masking fine-tuning — モデルに効果的なアクションをクローンすることのみをガイドし、より実用的なソリューションの生成を可能にする。
  論文  参考訳（メタデータ） (2025-03-25T01:57:59Z)
• DISCO: Embodied Navigation and Interaction via Differentiable Scene Semantics and Dual-level Control [53.80518003412016]
  人間の命令によって多様なタスクに熟練した汎用的なインテリジェントホームアシストエージェントを構築することは、AI研究の長期的青写真である。 本研究では,具体的エージェントに対する原始的移動操作,すなわち指示された動詞と名詞のペアに基づいて,ナビゲートと対話の仕方について検討する。 本研究では、文脈化されたシーンモデリングと効率的な制御における非自明な進歩を特徴とするdisCOを提案する。
  論文  参考訳（メタデータ） (2024-07-20T05:39:28Z)
• One Self-Configurable Model to Solve Many Abstract Visual Reasoning Problems [0.0]
  本稿では,単一階層抽象視覚推論タスクを解くための統一モデルを提案する。 提案したモデルはSCAR-Aware dynamic Layer (SAL)に依存しており、この問題の構造に重みを適応させる。 実験により、SALベースのモデルは、一般的に、様々なタスクを効果的に解決し、その性能は最先端のタスク固有のベースラインと同等であることが示された。
  論文  参考訳（メタデータ） (2023-12-15T18:15:20Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)

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。