論文の概要: CDF-Glove: A Cable-Driven Force Feedback Glove for Dexterous Teleoperation

• arxiv url: http://arxiv.org/abs/2603.05804v1
• Date: Fri, 06 Mar 2026 01:31:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.969546
• Title: CDF-Glove: A Cable-Driven Force Feedback Glove for Dexterous Teleoperation
• Title（参考訳）: CDF-Glove: Dexterous Teleoperationのためのケーブル駆動型力フィードバックグローブ
• Authors: Huayue Liang, Ruochong Li, Yaodong Yang, Long Zeng, Yuanpei Chen, Xueqian Wang,
• Abstract要約: 既存の遠隔操作プラットフォームは、通常、触覚フィードバックを省略し、大きめで高価なままである。 軽量で低コストなケーブル駆動力フィードバックグローブCDF-Gloveを紹介する。 CDF-Gloveは、遠位関節リピータビリティを0.4度達成し、約200ミリ秒の強制フィードバック遅延を提供する。
• 参考スコア（独自算出の注目度）: 22.093321919503225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-quality teleoperated demonstrations are a primary bottleneck for imitation learning (IL) in dexterous manipulation. However, haptic feedback provides operators with real-time contact information, enabling real-time finger posture adjustments, and thereby improving demonstration quality. Existing dexterous teleoperation platforms typically omit haptic feedback and remain bulky and expensive. We introduce CDF-Glove, a lightweight and low cost cable-driven force-feedback glove. The real-time state is available for 20 finger degrees of freedom (DoF), of which 16 are directly sensed and 4 are passively coupled (inferred from kinematic constraints). We develop a kinematic model and control stack for the glove, and validate them across multiple robotic hands with diverse kinematics and DoF. The CDF-Glove achieves distal joint repeatability of 0.4 degrees, and delivers about 200 ms force feedback latency, yielding a 4x improvement in task success rate relative to no-feedback teleoperation. We collect two bimanual teleoperation datasets, on which we train and evaluate Diffusion Policy baselines. Compared to kinesthetic teaching, the policies trained in our teleoperated demonstrations increase the average success rate by 55% and reduce the mean completion time by approximately 15.2 seconds (a 47.2% relative reduction). In particular, the CDF-Glove costs approximately US$230. The code and designs are released as open source at https://cdfglove.github.io/.
• Abstract（参考訳）: 高品質な遠隔操作型デモは、巧妙な操作における模倣学習(IL)の主要なボトルネックである。 しかし、触覚フィードバックは、オペレーターにリアルタイムな接触情報を提供し、リアルタイムな指の姿勢調整を可能にし、それによって実演品質を向上させる。 既存の遠隔操作プラットフォームは、通常、触覚フィードバックを省略し、大きめで高価なままである。 軽量で低コストなケーブル駆動力フィードバックグローブCDF-Gloveを紹介する。 リアルタイム状態は20指自由度(DoF)で利用でき、そのうち16は直接感知され、4は受動的に結合する(運動的制約から推測される)。 本研究では,多種多様なキネマティクスとDoFを用いて,複数のロボットハンドにまたがる運動モデルと制御スタックを構築した。 CDF-Gloveは0.4度の遠位継手再現性を実現し、約200ミリ秒の力フィードバック遅延を実現し、フィードバックなしの遠隔操作と比較してタスク成功率を4倍改善する。 我々は2つの双方向遠隔操作データセットを収集し、拡散政策のベースラインをトレーニングし評価する。 体力教育と比較して,遠隔操作実験で訓練した政策は平均成功率を55%向上させ,平均完了時間を約15.2秒短縮する(相対減少率47.2%)。 特にCDF-Gloveは約230ドルだ。 コードと設計はhttps://cdfglove.github.io/でオープンソースとして公開されている。

関連論文リスト

• Characterization, Analytical Planning, and Hybrid Force Control for the Inspire RH56DFX Hand [2.574393697080417]
  器用なロボットの手はますます普及しているが、科学機器としての使用が難しいものも多い。 我々はInspire RH56DFXに3つの改良を加えて、それをブラックボックスデバイスから研究ツールに変換する。 我々はこれらの部品を穴内挿入で検証し,成功率65%,手首力のみのベースライン10%を上回った。
  論文  参考訳（メタデータ） (2026-03-09T22:25:38Z)
• AirGlove: Exploring Egocentric 3D Hand Tracking and Appearance Generalization for Sensing Gloves [10.234494805527943]
  本研究は,愛手を用いた視覚に基づく手の動き追跡モデルの最初の体系的評価である。 既存の素手モデルでは、素手デザインと手袋デザインの間に大きなギャップがあるため、性能が著しく低下する。 本研究では,既存のグローブを利用して学習したグローブ表現を,限られたデータで新たなグローブへ一般化するAirGloveを提案する。
  論文  参考訳（メタデータ） (2026-02-05T00:24:02Z)
• OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer [34.13467792368733]
  我々は、人間とロボットのスキル伝達用に設計されたウェアラブルな触覚手袋であるOSMOを紹介する。 人間の実演のみに特化して訓練されたロボットポリシーは、困難なコンタクトリッチな操作タスクを実行することができることを実証する。
  論文  参考訳（メタデータ） (2025-12-09T18:56:30Z)
• FingerCap: Fine-grained Finger-level Hand Motion Captioning [44.18347733095312]
  きめ細かい指レベルハンドモーションキャプションは、手の動きの詳細な指レベルセマンティクスを生成することを目的としている。 このタスクをサポートするために、40Kペアのハンドモーションビデオとキャプションの大規模なコーパスであるFingerCap-40Kをキュレートする。 FingerCap-40Kの実験によると、強力なオープンソースとクローズドソースのVideo-MLLMは今でも指レベルの推論に苦戦している。
  論文  参考訳（メタデータ） (2025-11-21T04:59:01Z)
• Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
  操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。 We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。 提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
  論文  参考訳（メタデータ） (2025-06-02T17:57:52Z)
• TeleOpBench: A Simulator-Centric Benchmark for Dual-Arm Dexterous Teleoperation [50.261933845325636]
  本稿では,2次元デキスタラス遠隔操作に適したシミュレータ中心のベンチマークであるTeleOpBenchを紹介する。 このベンチマークでは、(i)MoCap、(ii)VRデバイス、(iii)腕手外骨格、(iv)単眼視追跡の4つの代表的遠隔操作モードを実装している。
  論文  参考訳（メタデータ） (2025-05-19T06:08:53Z)
• HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
  本稿では,半自律遠隔操作システムHOMIEを紹介する。 ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。 このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
  論文  参考訳（メタデータ） (2025-02-18T16:33:38Z)
• 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)
• 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)
• ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training [65.68511423300812]
  本稿では,効率的なフェデレート学習のためのプログレッシブトレーニングフレームワークであるProgFedを提案する。 ProgFedは計算と双方向通信のコストを本質的に低減し、最終モデルの強力な性能を維持している。 以上の結果から, ProgFed はフルモデルの標準トレーニングと同等の速度で収束することがわかった。
  論文  参考訳（メタデータ） (2021-10-11T14:45:00Z)

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。