論文の概要: DexFormer: Cross-Embodied Dexterous Manipulation via History-Conditioned Transformer

• arxiv url: http://arxiv.org/abs/2602.08278v1
• Date: Mon, 09 Feb 2026 05:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.269681
• Title: DexFormer: Cross-Embodied Dexterous Manipulation via History-Conditioned Transformer
• Title（参考訳）: DexFormer: 履歴記述型トランスによるクロス・エボディード・デキスタラス・マニピュレーション
• Authors: Ke Zhang, Lixin Xu, Chengyi Song, Junzhe Xu, Xiaoyi Lin, Zeyu Jiang, Renjing Xu,
• Abstract要約: 有害な操作は、ロボティクスにおける最も難しい問題の1つだ。 DexFormerはエンド・ツー・エンド、ダイナミックス対応のクロス・エボディメント・ポリシーです。 以上の結果から,片方の政策が異種手による実施にまたがって一般化できることが示唆された。
• 参考スコア（独自算出の注目度）: 18.11650194615062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dexterous manipulation remains one of the most challenging problems in robotics, requiring coherent control of high-DoF hands and arms under complex, contact-rich dynamics. A major barrier is embodiment variability: different dexterous hands exhibit distinct kinematics and dynamics, forcing prior methods to train separate policies or rely on shared action spaces with per-embodiment decoder heads. We present DexFormer, an end-to-end, dynamics-aware cross-embodiment policy built on a modified transformer backbone that conditions on historical observations. By using temporal context to infer morphology and dynamics on the fly, DexFormer adapts to diverse hand configurations and produces embodiment-appropriate control actions. Trained over a variety of procedurally generated dexterous-hand assets, DexFormer acquires a generalizable manipulation prior and exhibits strong zero-shot transfer to Leap Hand, Allegro Hand, and Rapid Hand. Our results show that a single policy can generalize across heterogeneous hand embodiments, establishing a scalable foundation for cross-embodiment dexterous manipulation. Project website: https://davidlxu.github.io/DexFormer-web/.
• Abstract（参考訳）: 有害な操作はロボティクスの最も難しい問題の一つであり、複雑な接触に富む力学の下では、ハイDoFの手と腕のコヒーレントな制御を必要とする。 異なる器用手は異なるキネマティクスとダイナミクスを示し、異なるポリシーを訓練したり、身体ごとのデコーダヘッドを持つ共有アクション空間に頼らざるを得ない。 DexFormerは、歴史的観測を前提とした改良されたトランスフォーマーバックボーン上に構築された、エンドツーエンドで動的に認識されるクロスボデーメントポリシーである。 DexFormerは時間的コンテキストを用いて、形態や動態をその場で推測することで、多様な手の構成に適応し、実施に適した制御アクションを生成する。 DexFormerは様々な手続き的に生成されたデキスタルーハンドの資産で訓練されており、前もって一般化可能な操作を取得し、Leap Hand、Allegro Hand、Rapid Handへの強力なゼロショット転送を示す。 以上の結果から, 異種片手具体にまたがる単一ポリシーを一般化し, 異種片手具体操作のためのスケーラブルな基盤を確立できることが示唆された。 プロジェクトWebサイト: https://davidlxu.github.io/DexFormer-web/.com

関連論文リスト

• TransDex: Pre-training Visuo-Tactile Policy with Point Cloud Reconstruction for Dexterous Manipulation of Transparent Objects [14.591201169062158]
  有害な操作は複雑なタスクを可能にするが、透明物体を操作する際には、自己閉塞性、深度ノイズ、深度情報損失に悩まされる。 本稿では,3次元ビジュオ触覚融合モータポリシーであるTransDexを提案する。 実際のロボットシステムで行われた透明な物体操作実験の結果、TransDexは既存のベースライン法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-03-14T09:59:34Z)
• Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
  クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。 既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。 本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
  論文  参考訳（メタデータ） (2026-03-04T11:38:12Z)
• UniHM: Unified Dexterous Hand Manipulation with Vision Language Model [39.2419824041854]
  身体的に実現可能な器用な手操作を計画することは、ロボット操作と身体的AIにおける中心的な課題である。 自由形式の言語コマンドで案内される手操作を統一する最初のフレームワークであるUniHMを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T16:37:11Z)
• UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation [63.13144787866563]
  クロス・エボディメント・グルーピングは、異種キネマティック構造を持つロボットハンドに対して、安定かつ多様なグルーピングを生成することを目的としている。 ハンドモーフィック情報をグリップ生成プロセスに組み込んだ拡散型フレームワークである textbfUniMorphGrasp を提案する。 UniMorphGraspは、既存のデクスタラスグリップベンチマークで最先端のパフォーマンスを達成し、以前は目に見えない手の構造に対して強力なゼロショットの一般化を示す。
  論文  参考訳（メタデータ） (2026-01-31T21:56:16Z)
• World Models Can Leverage Human Videos for Dexterous Manipulation [47.96619912157598]
  物体との接触によって、手の動きが環境にどのように影響するかを理解する必要があるため、有害な操作は難しい。 DexWM(Dexterous Manipulation World Model)は、過去の状態とデキスタラスな動作で条件付けられた環境の次の潜伏状態を予測する。
  論文  参考訳（メタデータ） (2025-12-15T18:37:12Z)
• GenDexHand: Generative Simulation for Dexterous Hands [33.204646313894095]
  GenDexHandは、複雑な操作のための多様なロボットタスクと環境を自律的に生成する生成シミュレーションパイプラインである。 我々の研究は、インボディード・インテリジェンスにおける多様な手の動きのスケーラブルなトレーニングに向けて実行可能な道筋を提供する。
  論文  参考訳（メタデータ） (2025-11-03T17:45:38Z)
• DexterityGen: Foundation Controller for Unprecedented Dexterity [67.15251368211361]
  ツール使用など,ロボットの巧妙な操作スキルを教えることは,大きな課題となる。 現在のアプローチは、人間の遠隔操作(模倣学習)とシミュレート・トゥ・リアル強化学習(sim-to-real reinforcement learning)の2つの戦略に大別できる。 本稿では,手動回転や翻訳などの大規模動きプリミティブをRLで事前学習するDexterityGenを紹介する。 現実の世界では、人間の遠隔操作をコントローラーのプロンプトとして利用し、厳密な振る舞いを生み出す。
  論文  参考訳（メタデータ） (2025-02-06T18:49:35Z)
• DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
  高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。 DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。 当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
  論文  参考訳（メタデータ） (2024-11-27T18:03:26Z)
• DexDeform: Dexterous Deformable Object Manipulation with Human Demonstrations and Differentiable Physics [97.75188532559952]
  人間の実演から巧妙な操作スキルを抽象化する原理的枠組みを提案する。 次に、イマジネーションにおけるアクション抽象化を計画する上で、デモを使ってスキルモデルをトレーニングします。 提案手法の有効性を評価するために,6つの難解な変形可能なオブジェクト操作タスクの組を導入する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:49Z)

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。