論文の概要: HRDexDB: A Large-Scale Dataset of Dexterous Human and Robotic Hand Grasps

• arxiv url: http://arxiv.org/abs/2604.14944v1
• Date: Thu, 16 Apr 2026 12:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.892681
• Title: HRDexDB: A Large-Scale Dataset of Dexterous Human and Robotic Hand Grasps
• Title（参考訳）: HRDexDB: 人・ロボットハンドグラフの大規模データセット
• Authors: Jongbin Lim, Taeyun Ha, Mingi Choi, Jisoo Kim, Byungjun Kim, Subin Jeon, Hanbyul Joo,
• Abstract要約: HRDexDBは、人間と多様なロボットハンドを特徴とする、高忠実なデクスタラスな把握シーケンスの大規模なデータセットである。 データセットは、成功と失敗の両方を包含し、視覚的、運動的、触覚的なモダリティに富んだ1.4Kのグルーピングトライアルで構成されている。
• 参考スコア（独自算出の注目度）: 21.23783024012312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present HRDexDB, a large-scale, multi-modal dataset of high-fidelity dexterous grasping sequences featuring both human and diverse robotic hands. Unlike existing datasets, HRDexDB provides a comprehensive collection of grasping trajectories across human hands and multiple robot hand embodiments, spanning 100 diverse objects. Leveraging state-of-the-art vision methods and a new dedicated multi-camera system, our HRDexDB offers high-precision spatiotemporal 3D ground-truth motion for both the agent and the manipulated object. To facilitate the study of physical interaction, HRDexDB includes high-resolution tactile signals, synchronized multi-view video, and egocentric video streams. The dataset comprises 1.4K grasping trials, encompassing both successes and failures, each enriched with visual, kinematic, and tactile modalities. By providing closely aligned captures of human dexterity and robotic execution on the same target objects under comparable grasping motions, HRDexDB serves as a foundational benchmark for multi-modal policy learning and cross-domain dexterous manipulation.
• Abstract（参考訳）: HRDexDBは,人手と多種多様なロボットハンドを特徴とする,高忠実度デクスタリーグルーピングシーケンスの大規模マルチモーダルデータセットである。 既存のデータセットとは異なり、HRDexDBは、人手と複数のロボットハンドエボディメントをまたがって、100の多様なオブジェクトにまたがってトラジェクトリを把握するための包括的なコレクションを提供する。 我々のHRDexDBは、最先端のビジョン手法と、新しい専用マルチカメラシステムを活用し、エージェントと操作対象の両方に対して高精度な時空間3D地中構造運動を提供する。 物理的相互作用の研究を容易にするため、HRDexDBは高解像度の触覚信号、同期マルチビュービデオ、エゴセントリックなビデオストリームを含む。 データセットは、成功と失敗の両方を包含し、視覚的、運動的、触覚的なモダリティに富んだ1.4Kのグルーピングトライアルで構成されている。 HRDexDBは、同じ対象物に対して、同一の把握動作下での人間のデキスタリティとロボット実行の密集したキャプチャを提供することによって、マルチモーダルなポリシー学習とクロスドメインなデキスタラス操作の基本的なベンチマークとして機能する。

関連論文リスト

• UniDex: A Robot Foundation Suite for Universal Dexterous Hand Control from Egocentric Human Videos [65.2981273885678]
  実際のロボット遠隔操作データの収集コストのため、デクサラスな操作は依然として困難である。 我々は、ロボット中心の大規模データセットと視覚言語アクション(VLA)ポリシーを結合したロボット基盤スイートであるUniDexを紹介する。 UniDex-Dataset、UniDex-VLA、UniDex-Capは、ユニバーサルデキスタラス操作のためのスケーラブルな基盤スイートを提供する。
  論文  参考訳（メタデータ） (2026-03-23T17:49:12Z)
• FSAG: Enhancing Human-to-Dexterous-Hand Finger-Specific Affordance Grounding via Diffusion Models [11.581489292735418]
  デクサラスグリップ合成は機能的意図と物理的実現性を満たす必要があるが、既存のパイプラインはしばしば洗練からセマンティックグラウンドを分離する。 本研究では、事前学習された生成拡散モデルにおいて、対象中心のセマンティックな事前情報を活用することで、ロボットの把握データ収集を回避できるデータ効率フレームワークを提案する。 この結果は,人間の実演と事前学習した生成モデルによって駆動される,スケーラブルでハードウェアに依存しないデキスタラスな操作への道のりを浮き彫りにした。
  論文  参考訳（メタデータ） (2026-01-13T06:08:56Z)
• CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations [53.37721117405022]
  クロス・エボディメント・デキスタラス・グリップ合成(Cross-Embodiment dexterous grasp synthesis)とは、様々なロボットハンドのグリップを適応的に生成し、最適化することである。 そこで我々は,CEDexを提案する。 これまでで最大のクロス・エボディメント・グラウンド・データセットを構築し、合計20万のグリップを持つ4つのタイプにまたがる500万のオブジェクトからなる。
  論文  参考訳（メタデータ） (2025-09-29T12:08:04Z)
• GenM$^3$: Generative Pretrained Multi-path Motion Model for Text Conditional Human Motion Generation [19.2804620329011]
  Generative Pretrained Multi-path Motion Model (GenM(3))は、統合された動き表現を学習するための包括的なフレームワークである。 大規模なトレーニングを可能にするため、11の高品質なモーションデータセットを統合し、統合する。 GenM(3)はHumanML3Dベンチマークで0.035の最先端のFIDを達成し、最先端のメソッドを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2025-03-19T05:56:52Z)
• Kaiwu: A Multimodal Manipulation Dataset and Framework for Robot Learning and Human-Robot Interaction [5.989044517795631]
  本稿では,実世界の同期型マルチモーダルデータ問題に対処するために,カイウーマルチモーダルデータセットを提案する。 このデータセットはまず、人間、環境、ロボットのデータ収集フレームワークを20の被験者と30のインタラクションオブジェクトと統合する。 絶対タイムスタンプに基づく細粒度マルチレベルアノテーションとセマンティックセグメンテーションラベリングを行う。
  論文  参考訳（メタデータ） (2025-03-07T08:28:24Z)
• WiLoR: End-to-end 3D Hand Localization and Reconstruction in-the-wild [53.288327629960364]
  野生における効率的なマルチハンド再構築のためのデータ駆動パイプラインを提案する。 提案するパイプラインは、リアルタイム完全畳み込みハンドローカライゼーションと、高忠実度トランスフォーマーに基づく3Dハンド再構成モデルという2つのコンポーネントで構成されている。 提案手法は, 一般的な2次元および3次元のベンチマークにおいて, 効率と精度の両方において, 従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-09-18T18:46:51Z)
• 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。