論文の概要: HumDex: Humanoid Dexterous Manipulation Made Easy

• arxiv url: http://arxiv.org/abs/2603.12260v2
• Date: Fri, 13 Mar 2026 04:40:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.731896
• Title: HumDex: Humanoid Dexterous Manipulation Made Easy
• Title（参考訳）: HumDexのヒューマノイド・デクスター・マニピュレーション(動画あり)
• Authors: Liang Heng, Yihe Tang, Jiajun Xu, Henghui Bao, Di Huang, Yue Wang,
• Abstract要約: HumDexは、ヒューマノイド全体のデキスタラス操作用に設計された携帯型遠隔操作システムである。 本システムは、IMUに基づくモーショントラッキングを利用して、ポータビリティと精度のトレードオフに対処する。 そこで本研究では,手動パラメータチューニングを伴わないスムーズで自然な手の動きを学習ベースで生成する手法を提案する。
• 参考スコア（独自算出の注目度）: 30.352529523812347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates humanoid whole-body dexterous manipulation, where the efficient collection of high-quality demonstration data remains a central bottleneck. Existing teleoperation systems often suffer from limited portability, occlusion, or insufficient precision, which hinders their applicability to complex whole-body tasks. To address these challenges, we introduce HumDex, a portable teleoperation system designed for humanoid whole-body dexterous manipulation. Our system leverages IMU-based motion tracking to address the portability-precision trade-off, enabling accurate full-body tracking while remaining easy to deploy. For dexterous hand control, we further introduce a learning-based retargeting method that generates smooth and natural hand motions without manual parameter tuning. Beyond teleoperation, HumDex enables efficient collection of human motion data. Building on this capability, we propose a two-stage imitation learning framework that first pre-trains on diverse human motion data to learn generalizable priors, and then fine-tunes on robot data to bridge the embodiment gap for precise execution. We demonstrate that this approach significantly improves generalization to new configurations, objects, and backgrounds with minimal data acquisition costs. The entire system is fully reproducible and open-sourced at https://github.com/physical-superintelligence-lab/humdex.
• Abstract（参考訳）: 本稿では,ハイクオリティな実演データの効率的な収集が中心的なボトルネックとなっているヒューマノイド全体のデキスタス操作について検討する。 既存の遠隔操作システムはしばしば、移植性、閉塞性、または不十分な精度に悩まされ、複雑な全身作業への適用を妨げている。 これらの課題に対処するため,HumDexはヒューマノイド全体デキスタラス操作用に設計された携帯型遠隔操作システムである。 本システムは、IMUに基づくモーショントラッキングを活用して、ポータビリティと精度のトレードオフに対処する。 さらに,手の動きをスムースに,自然な動作を手動のパラメータ調整なしで生成する学習ベースのリターゲティング手法を提案する。 遠隔操作以外にも、HumDexは人間のモーションデータの効率的な収集を可能にする。 そこで本研究では,まず,多種多様な人間の動作データに基づいて事前訓練を行い,一般化可能な事前学習を行い,次にロボットデータによる微調整を行い,正確な実行のために具体化ギャップを埋める2段階の模倣学習フレームワークを提案する。 このアプローチは、データ取得コストを最小限に抑えて、新しい構成、オブジェクト、バックグラウンドへの一般化を大幅に改善することを示します。 システム全体が完全に再現可能で、https://github.com/physical-superintelligence-lab/humdex.comでオープンソース化されている。

関連論文リスト

• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
  ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。 ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。 結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-10-06T17:47:02Z)
• SSSUMO: Real-Time Semi-Supervised Submovement Decomposition [0.6499759302108926]
  運動分析は、運動制御に関する貴重な洞察を提供する。 既存の手法は、復元精度、計算コスト、検証に苦慮している。 半教師付き学習フレームワークを用いて,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-07-08T21:26:25Z)
• ManipTrans: Efficient Dexterous Bimanual Manipulation Transfer via Residual Learning [24.675197489823898]
  シミュレーションにおいて,ヒトの両腕のスキルを手指に伝達する新しい手法であるManipTransを紹介した。 実験によると、ManipTransは成功率、忠実度、効率性において最先端の手法を超越している。 DexManipNetという大規模なデータセットも作成しています。
  論文  参考訳（メタデータ） (2025-03-27T17:50:30Z)
• 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)
• RealDex: Towards Human-like Grasping for Robotic Dexterous Hand [64.33746404551343]
  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)

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。