論文の概要: T-800: An 800 Hz Data Glove for Precise Hand Gesture Tracking

• arxiv url: http://arxiv.org/abs/2603.26403v1
• Date: Fri, 27 Mar 2026 13:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.517857
• Title: T-800: An 800 Hz Data Glove for Precise Hand Gesture Tracking
• Title（参考訳）: T-800: 精密ハンドジェスチャー追跡のための800Hzデータグローブ
• Abstract要約: 本稿では,800Hzのフルハンドモーショントラッキングを実現するT-800グローブデータシステムを提案する。 我々は,T-800が従来失われた時間アンサンプの微細な操作の詳細を復元できることを実証した。 このことは、ロボットハンドの運動の制約を尊重しながら、高周波動作データを正確に翻訳できることを実証している。
• 参考スコア（独自算出の注目度）: 16.264334940982366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human dexterity relies on rapid, sub-second motor adjustments, yet capturing these high-frequency dynamics remains an enduring challenge in biomechanics and robotics. Existing motion capture paradigms are compromised by a trade-off between temporal resolution and visual occlusion, failing to record the fine-grained hand motion of fast, contact-rich manipulation. Here we introduce T-800, a high-bandwidth data glove system that achieves synchronized, full-hand motion tracking at 800 Hz. By integrating a novel broadcast-based synchronization mechanism with a mechanical stress isolation architecture, our system maintains sub-frame temporal alignment across 18 distributed inertial measurement units (IMUs) during extended, vigorous movements. We demonstrate that T-800 recovers fine-grained manipulation details previously lost to temporal undersampling. Our analysis reveals that human dexterity exhibits significantly high-frequency motion energy (>100 Hz) that was fundamentally inaccessible due to the Nyquist sampling limit imposed by previous hardware constraints. To validate the system's utility for robotic manipulation, we implement a kinematic retargeting algorithm that maps T-800's high-fidelity human gestures onto dexterous robotic hand models. This demonstrates that the high-frequency motion data can be accurately translated while respecting the kinematic constraints of robotic hands, providing the rich behavioral data necessary for training robust control policies in the future.
• Abstract（参考訳）: 人間のデキスタリティは、急速で秒以下のモーター調整に依存しているが、これらの高周波ダイナミクスを捉えることは、バイオメカニクスやロボティクスにおいて永続的な課題である。 既存のモーションキャプチャーのパラダイムは、時間分解能と視覚的閉塞のトレードオフによって妥協され、高速で接触に富んだ操作の細かい手の動きを記録できない。 本稿では、800Hzの同期フルハンドモーショントラッキングを実現する高帯域データグローブシステムであるT-800を紹介する。 本システムでは,新しい放送方式の同期機構を機械的応力分離アーキテクチャに組み込むことで,分散慣性測定器(IMU)の時間的アライメントを,拡張的かつ活発な動作中に18個の分散慣性測定器(IMU)に分散して維持する。 我々は,T-800が従来失われた時間アンサンプの微細な操作の詳細を復元できることを実証した。 解析の結果, 従来のハードウェアの制約によるナイキストサンプリングの限界により, 基本的には到達不能な高周波数運動エネルギー(>100 Hz)を示すことがわかった。 ロボット操作のためのシステムの実用性を検証するため、T-800の高忠実な人間のジェスチャーを、器用なロボットハンドモデルにマッピングするキネマティックリターゲティングアルゴリズムを実装した。 このことは、ロボットハンドの運動的制約を尊重しながら、高周波動作データを正確に翻訳できることを示し、将来ロバスト制御ポリシーのトレーニングに必要なリッチな行動データを提供する。

関連論文リスト

• RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation [48.828787848144806]
  本稿では,実際のロボットを生成世界モデルに置き換えることで,物理的な制約からデータ収集を分離するパラダイムであるデジタル遠隔操作を紹介する。 我々は、このパラダイムをRynnWorld-Teleopでインスタンス化する。これは、深度対応の骨格条件、ビデオ拡散変換器におけるプログレッシブな人間とロボットのトレーニング、自動回帰蒸留を統合するシステムである。 このパイプラインは生成プロセスを単一パスの推論に圧縮し、単一のH100 GPU上で40以上のFPS、リアルタイムインタラクティブな生成を可能にする。
  論文  参考訳（メタデータ） (2026-07-07T17:58:11Z)
• Human-Centric Transferable Tactile Pre-Training for Dexterous Robotic Manipulation [33.12343137426091]
  本稿では,人間データに基づく精密なロボット作業のための触覚学習システムであるTransferable Tactile Pre-Training(TTP)を提案する。 TTPは、人間からロボットへの移動を通じて、スケーラブルな触覚事前訓練の道を開く。
  論文  参考訳（メタデータ） (2026-07-01T15:26:26Z)
• MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations [51.837372131319285]
  MotionMARは、スパース観測からの運動再構成のためのフレームワークである。 まず、人間の動きのグローバルな軌跡を推定し、時間的詳細を徐々に洗練する。 MotionMARは、AMASSデータセット上で最先端の精度を達成する。
  論文  参考訳（メタデータ） (2026-06-22T08:15:56Z)
• T-Rex: Tactile-Reactive Dexterous Manipulation [139.71263755530654]
  本稿では,新しい時相触覚VQ-VAEエンコーダを備えた可変レートMixture-of-Transformers (MoT)アーキテクチャを提案する。 微妙な力制御と変形可能な物体操作を必要とする12の操作課題に対して,触覚反応が有効であることを示す。
  論文  参考訳（メタデータ） (2026-06-15T17:59:55Z)
• Natural Human Motion Recovery by Aligning High-Order Temporal Dynamics from Monocular Videos [65.51845732149306]
  本稿では,HTD-Refineについて紹介する。HTD-Refineは人体運動回復(HMR)パイプラインを高次時間ダイナミクスを用いて拡張する後処理フレームワークである。 システムの中心となるPVA-Netは,モノクロ映像から直接接合部2次元位置,3次元速度,3次元加速度を推定する時間変換器である。
  論文  参考訳（メタデータ） (2026-05-26T11:38:36Z)
• Kimodo: Scaling Controllable Human Motion Generation [77.66868439601062]
  キモド(Kimodo)は、700時間の光学式モーションキャプチャーデータに基づいて訓練された、制御可能な運動拡散モデルである。 本モデルでは,テキストと包括的キネマティック制約によって制御し,高品質な動作を生成する。
  論文  参考訳（メタデータ） (2026-03-16T17:09:30Z)
• Data-Driven Autoregressive Power Prediction for GTernal Robots in the Robotarium [0.0]
  マルチロボットシステムのためのエネルギー認識アルゴリズムは、正確な消費電力モデルを必要とする。 ジョージア工科大学ロボット館に配備されたGTernalモバイルロボットプラットフォームに対して,軽量な自己回帰予測器を提案する。
  論文  参考訳（メタデータ） (2026-03-14T11:43:42Z)
• DexEMG: Towards Dexterous Teleoperation System via EMG2Pose Generalization [5.972698171130012]
  ロボットを非構造的な家庭環境に持ち込むには,高忠実なロボットハンドの遠隔操作が不可欠である。 表面筋電図(sEMG)を利用した軽量で費用対効果の高い遠隔操作システムの開発 本稿では,多様な遠隔操作タスクにおいて高精度なシステムを実現することを示す。
  論文  参考訳（メタデータ） (2026-03-06T03:36:33Z)
• CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
  閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。 CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。 本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
  論文  参考訳（メタデータ） (2026-02-13T12:03:13Z)
• TeleGate: Whole-Body Humanoid Teleoperation via Gated Expert Selection with Motion Prior [27.930225667015872]
  本稿では,ヒューマノイドロボットのための統合された全身遠隔操作フレームワークTeleGateを提案する。 私たちのキーとなる考え方は、軽量なゲーティングネットワークをトレーニングすることで、ドメイン固有の専門家ポリシーの完全な能力を維持することです。 リアルタイム遠隔操作における将来の参照軌跡の欠如を補うため,VAEベースのモーション先行モジュールを導入する。
  論文  参考訳（メタデータ） (2026-02-10T10:14:06Z)
• SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control [85.91101551600978]
  モデルキャパシティ,データ,計算のスケールアップにより,自然かつ堅牢な体の動きを生成できる汎用的なヒューマノイドコントローラが得られることを示す。 我々は、ネットワークサイズ、データセットボリューム、計算の3つの軸に沿ってスケーリングすることで、モーショントラッキングのための基礎モデルを構築します。 本研究では,(1)動作追跡を下流タスク実行にブリッジし,自然かつインタラクティブな制御を可能にするリアルタイムユニバーサルキネマティックプランナ,(2)様々な動作入力インタフェースをサポートする統一トークン空間の2つのメカニズムにより,モデルの実用性を示す。
  論文  参考訳（メタデータ） (2025-11-11T04:37:40Z)
• Learning Physics From Video: Unsupervised Physical Parameter Estimation for Continuous Dynamical Systems [49.11170948406405]
  本研究では,単一のビデオから既知の連続制御方程式の物理パラメータを推定する教師なし手法を提案する。 Delfys75は5種類の動的システムのための75本のビデオからなる実世界のデータセットだ。
  論文  参考訳（メタデータ） (2024-10-02T09:44:54Z)
• Rapid-Motion-Track: Markerless Tracking of Fast Human Motion with Deeper Learning [10.086410807283746]
  運動の小さな欠損は、しばしば基礎となる神経学的問題の最初の兆候である。 エンド・ツー・エンドのディープラーニングシステムであるRapid-Motion-Track(RMT)を開発した。 RMTは、ウェブカメラやラップトップカメラを使用するとき、人間の動きを正確に追跡することができる。
  論文  参考訳（メタデータ） (2023-01-18T22:57:34Z)
• Learning Low-Frequency Motion Control for Robust and Dynamic Robot Locomotion [10.838285018473725]
  実ANYmal C四重極上で8Hzの低速動作を行う学習モーションコントローラを用いて,ロバストでダイナミックな移動を実演する。 このロボットは、1.5m/sの高速度を頑健かつ反復的に達成し、不均一な地形を横切ることができ、予期せぬ外乱に抵抗することができる。
  論文  参考訳（メタデータ） (2022-09-29T15:55:33Z)
• High-Fidelity Neural Human Motion Transfer from Monocular Video [71.75576402562247]
  ビデオベースの人間のモーション転送は、ソースモーションに従って人間のビデオアニメーションを作成します。 自然なポーズ依存非剛性変形を伴う高忠実で時間的に一貫性のある人の動き伝達を行う新しい枠組みを提案する。 実験結果では,映像リアリズムの点で最先端を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-20T16:54:38Z)

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。