論文の概要: Kinematic Optimization of Phalanx Length Ratios in Robotic Hands Using Potential Dexterity
- arxiv url: http://arxiv.org/abs/2604.20686v1
- Date: Wed, 22 Apr 2026 15:34:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.198609
- Title: Kinematic Optimization of Phalanx Length Ratios in Robotic Hands Using Potential Dexterity
- Title（参考訳）: ポテンシャルデキスタリティを用いたロボットハンドのファランクス長さ比の運動学的最適化
- Authors: HyoJae Kang, Joonho Lee, Jeongdo Ahn, Dong Il Park,
- Abstract要約: 本研究では,5指ロボットハンドの指長比を最適化するための枠組みを提案する。
提案手法は,グローバルマニピュラビリティ,ワークスペースボリューム,オーバーラップワークスペースボリューム,指先感度を評価指標として用いた。
以上の結果から,各ファランは全体のデキスタリティに等しく寄与しないことが明らかとなり,各ファランに影響を及ぼす要因が同定された。
- 参考スコア（独自算出の注目度）: 4.583417032181106
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the design stage of robotic hands, it is not straightforward to quantitatively evaluate the effect of phalanx length ratios on dexterity without defining specific objects or manipulation tasks. Therefore, this study presents a framework for optimizing the phalanx length ratios of a five-finger robotic hand based on potential dexterity within a kinematic structure. The proposed method employs global manipulability, workspace volume, overlap workspace volume, and fingertip sensitivity as evaluation metrics, and identifies optimal design configurations using a weighted objective function under given constraints. The reachable workspace is discretized using a voxel-based representation, and joint motions are discretized at uniform intervals for evaluation. The optimization is performed over design sets for both the thumb and the other fingers, and design combinations that do not generate overlap workspace are excluded. The results show that each phalanx does not contribute equally to the overall dexterity, and the factors influencing each phalanx are identified. In addition, it is observed that the selection of weighting coefficients does not necessarily lead to the direct maximization of individual performance metrics, due to the non-uniform distribution of evaluation measures within the design space. The proposed framework provides a systematic approach to analyze the trade-offs among reachability, dexterity, and controllability, and can serve as a practical guideline for the kinematic design of multi-fingered robotic hands.
- Abstract（参考訳）: ロボットハンドの設計段階では、特定のオブジェクトや操作タスクを定義することなく、ファランクス長比がデキスタリティに与える影響を定量的に評価することは容易ではない。
そこで本研究では,5本指ロボットハンドの指長比を,運動学的構造内での潜在的なデキスタリティに基づいて最適化する枠組みを提案する。
提案手法は,大域的マニピュラビリティ,ワークスペースボリューム,オーバーラップワークスペースボリューム,指先感度を評価指標として用い,与えられた制約下での重み付け目的関数を用いて最適設計構成を同定する。
到達可能なワークスペースをボクセルベース表現を用いて識別し、一様間隔で関節運動を識別して評価する。
親指と他の指の両方の設計セット上で最適化を行い、重なり合うワークスペースを生成しない設計組み合わせを除外する。
以上の結果から,各ファランは全体のデキスタリティに等しく寄与しないことが明らかとなり,各ファランに影響を及ぼす要因が同定された。
また, 重み付け係数の選択は, 設計空間内の評価尺度の非均一分布のため, 個々の性能指標の直接最大化につながるとは限らない。
提案するフレームワークは,手の届きやすさ,ディクスタリティ,コントロール可能性のトレードオフを分析するための体系的なアプローチを提供し,多指ロボットハンドのキネマティックデザインの実践的ガイドラインとして機能する。
関連論文リスト
- A Benchmark of Dexterity for Anthropomorphic Robotic Hands [6.846001511743122]
デクスタリティ(Dexterity)は、人間型ロボットハンドの設計と評価において、中心的かつ曖昧に定義された概念である。
我々は,構成された操作と把握動作のセットにまたがって,デクスタリティをタスクパフォーマンスとして形式化する包括的なベンチマークであるPOMDARを紹介する。
論文 参考訳（メタデータ） (2026-04-10T13:04:28Z) - Tendon-based modelling, estimation and control for a simulated high-DoF anthropomorphic hand model [0.0]
腱駆動の人型ロボットハンドは、しばしば直接関節角センサーを欠いている。
本稿では, 測定された腱の変位と張力から関節位置を推定する計算手法を提案する。
論文 参考訳（メタデータ） (2026-01-28T15:10:02Z) - From Coefficients to Directions: Rethinking Model Merging with Directional Alignment [66.99062575537555]
パラメータと特徴空間の両面に一貫した方向構造を整列する,方向アライメント付きemphMerging(method)という統一幾何学的枠組みを導入する。
分析の結果、指向性アライメントは構造的コヒーレンスを改善し、ベンチマーク、モデルスケール、タスク構成にまたがる広範な実験により、我々のアプローチの有効性がさらに検証された。
論文 参考訳（メタデータ） (2025-11-29T08:40:58Z) - On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。
本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
論文 参考訳（メタデータ） (2025-10-22T18:25:43Z) - Cross-Embodiment Dexterous Hand Articulation Generation via Morphology-Aware Learning [82.63833405368159]
既存のエンドツーエンドメソッドでは、特定の手で大規模なデータセットをトレーニングする必要がある。
本稿では,固有グラフに基づくクロスボデーメントグリップ生成のためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-07T15:57:00Z) - HandyPriors: Physically Consistent Perception of Hand-Object
Interactions with Differentiable Priors [45.75318635639419]
我々は、人間と物体の相互作用シーンにおけるポーズ推定のための統一的で汎用的なパイプラインであるHandyPriorsを提案する。
提案手法では,入力画像やセグメンテーションマスクのレンダリング先と物理前のレンダリング先とを併用し,フレーム間の浸透と相対スライディングを緩和する。
我々は,HandyPriorsがポーズ推定タスクにおいて同等あるいは優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2023-11-28T06:42:44Z) - Bayesian Graph Contrastive Learning [55.36652660268726]
本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。
提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。
いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2021-12-15T01:45:32Z) - Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。
学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。
提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文 参考訳（メタデータ） (2021-11-11T23:31:34Z)
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。