論文の概要: Efficient and Reliable Teleoperation through Real-to-Sim-to-Real Shared Autonomy

• arxiv url: http://arxiv.org/abs/2603.17016v2
• Date: Fri, 20 Mar 2026 21:54:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 12:36:10.058456
• Title: Efficient and Reliable Teleoperation through Real-to-Sim-to-Real Shared Autonomy
• Title（参考訳）: 実-実-実-実-実-共有自律による効率よく信頼性の高い遠隔操作
• Authors: Shuo Sha, Yixuan Wang, Binghao Huang, Antonio Loquercio, Yunzhu Li,
• Abstract要約: 微粒で接触に富んだ遠隔操作は、現実世界の操作タスクでは遅く、エラーが発生し、信頼性が低いままである。 本稿では,人間の遠隔操作を学習された矯正行動で強化する,リアルからシミュレート・トゥ・リアルな共有自律フレームワークを提案する。 本研究では,初級演算子のタスク成功と経験演算子の実行効率を向上することを示す。
• 参考スコア（独自算出の注目度）: 22.08489803696146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained, contact-rich teleoperation remains slow, error-prone, and unreliable in real-world manipulation tasks, even for experienced operators. Shared autonomy offers a promising way to improve performance by combining human intent with automated assistance, but learning effective assistance in simulation requires a faithful model of human behavior, which is difficult to obtain in practice. We propose a real-to-sim-to-real shared autonomy framework that augments human teleoperation with learned corrective behaviors, using a simple yet effective k-nearest-neighbor (kNN) human surrogate to model operator actions in simulation. The surrogate is fit from less than five minutes of real-world teleoperation data and enables stable training of a residual copilot policy with model-free reinforcement learning. The resulting copilot is deployed to assist human operators in real-world fine-grained manipulation tasks. Through simulation experiments and a user study with sixteen participants on industry-relevant tasks, including nut threading, gear meshing, and peg insertion, we show that our system improves task success for novice operators and execution efficiency for experienced operators compared to direct teleoperation and shared-autonomy baselines that rely on expert priors or behavioral-cloning pilots. In addition, copilot-assisted teleoperation produces higher-quality demonstrations for downstream imitation learning.
• Abstract（参考訳）: 経験豊富な操作者であっても、微粒でコンタクトに富んだ遠隔操作は遅く、エラーが発生し、現実の操作タスクでは信頼性が低い。 共有された自律性は、人間の意図と自動支援を組み合わせることでパフォーマンスを向上させるための有望な手段を提供するが、シミュレーションにおける効果的な支援を学ぶには、人間の行動の忠実なモデルが必要である。 シミュレーションにおいて,簡単なk-nearest-neighbor(kNN)人間の代理を用いて,人間の遠隔操作を学習的修正行動で強化する,リアルからシミュレート・トゥ・リアルな共有自律フレームワークを提案する。 このサロゲートは、実世界の遠隔操作データの5分未満から適合し、モデルレス強化学習による残留コピロポリシーの安定した訓練を可能にする。 結果として得られたコピロは、人間のオペレーターが現実世界のきめ細かい操作タスクを行うのを助けるために展開される。 シミュレーション実験と,ナットスレッディング,ギヤメッシュ,ペグ挿入などの産業関連課題に対する16人の参加者によるユーザスタディにより,本システムは,専門家の事前操作や行動閉ざしたパイロットに依存する直接遠隔操作や共有自律性ベースラインと比較して,初心者のタスク成功と経験者における実行効率の向上を図っている。 さらに、コピロ支援遠隔操作は、下流の模倣学習のための高品質なデモンストレーションを生成する。

関連論文リスト

• Improving Human-AI Coordination through Online Adversarial Training and Generative Models [32.057874335805685]
  新たな人間に一般化するには、人間の行動の多様性を捉えたデータに関する訓練が必要である。 敵対的トレーニングは、動的データ生成を可能にする有望な方法であり、エージェントが堅牢であることを保証する。 本稿では、事前学習した生成モデルを用いて、有効な協調エージェント政策と敵の訓練をシミュレートし、後悔を最大化する新しい戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-21T21:53:00Z)
• Teaching Robots to Handle Nuclear Waste: A Teleoperation-Based Learning Approach< [8.587182001055448]
  提案手法は原子力廃棄物処理における課題に対処するものであり, 繰り返しかつ精巧な操作を行う場合が多い。 遠隔操作中に操作者の動作と操作力をキャプチャすることで、このデータを利用して、人間のスキルを複製し、一般化できる機械学習モデルを訓練する。
  論文  参考訳（メタデータ） (2025-04-02T06:46:29Z)
• HACTS: a Human-As-Copilot Teleoperation System for Robot Learning [47.9126187195398]
  HACTS(Human-As-Copilot Teleoperation System)は,ロボットアームと遠隔操作ハードウェアを双方向でリアルタイムに同期させるシステムである。 このシンプルで効果的なフィードバックメカニズムは、自動運転車のステアリングホイールに似たもので、人間の操縦士がシームレスに介入し、将来の学習のために行動補正データを収集することを可能にする。
  論文  参考訳（メタデータ） (2025-03-31T13:28:13Z)
• Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
  本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。 未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
  論文  参考訳（メタデータ） (2025-02-27T18:59:52Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)

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。