Fugu-MT 論文翻訳(概要): AssistDLO: Assistive Teleoperation for Deformable Linear Object Manipulation

論文の概要: AssistDLO: Assistive Teleoperation for Deformable Linear Object Manipulation

arxiv url: http://arxiv.org/abs/2605.06323v1
Date: Thu, 07 May 2026 14:21:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-08 22:27:11.888681
Title: AssistDLO: Assistive Teleoperation for Deformable Linear Object Manipulation
Title（参考訳）: AssistDLO:変形可能な線形物体操作のための補助的遠隔操作
Abstract要約: AssistDLOは、DLO操作のための補助的遠隔操作フレームワークである。リアルタイムのマルチビュー状態推定、視覚支援、およびジオメトリ対応の共有自律制御を組み合わせたものだ。その結果, 支援の有効性は, オペレーターの専門知識とDLO特性に強く依存していることが示唆された。
参考スコア（独自算出の注目度）: 13.553261639864038
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Manipulating Deformable Linear Objects (DLOs) is challenging in robotics due to their infinite-dimensional configuration space and complex nonlinear dynamics. In teleoperation, depth uncertainty hinders state perception and reaction. AssistDLO addresses this challenge as an assistive teleoperation framework for DLO manipulation that combines real-time multi-view state estimation, visual assistance (VA), and a geometry-aware shared-autonomy controller based on Control Barrier Functions (SA-CBF). While traditional shared autonomy methods often rely on simple geometric attractors and may fail to preserve DLO geometry, SA-CBF acts as a geometry-aware funnel, facilitating precise grasping while preserving the operator's high-level authority. The framework is evaluated in a bimanual knot-untangling user study (N = 22) using ropes with varying length and rigidity. Results show that the effectiveness of the assistance depends strongly on operator expertise and DLO properties. SA-CBF provides the strongest gains for naive users, acting as a skill equalizer that increases task success from 71% to 88%, and is effective for stiffer ropes. Conversely, expert users prefer VA, and highly compliant, long ropes benefit more from visual support than localized action assistance. Ultimately, these findings demonstrate that effective DLO teleoperation cannot rely on a fixed strategy, highlighting the critical need for adaptive, user-aware, and material-aware shared autonomy.
Abstract（参考訳）: 変形可能な線形物体(DLO)の操作は、無限次元の構成空間と複雑な非線形力学のためにロボット工学において困難である。遠隔操作では、深度不確実性は状態認識と反応を妨げる。 AssistDLOは、リアルタイム多視点状態推定、視覚補助(VA)、および制御バリア関数(SA-CBF)に基づくジオメトリ対応の共有自律制御を組み合わせたDLO操作のための補助的遠隔操作フレームワークとしてこの問題に対処する。従来の共有自律法は単純な幾何学的アトラクタに依存しており、DLO幾何を保存するのに失敗することがあるが、SA-CBFは幾何学を意識したファンネルとして機能し、オペレータの高レベルの権威を維持しながら正確な把握を容易にする。このフレームワークは、長さと剛性が異なるロープを用いて、双方向の結び目付きユーザスタディ(N = 22)で評価される。その結果, 支援の有効性は, オペレーターの専門知識とDLO特性に強く依存していることが示唆された。 SA-CBFは,タスク成功率が71%から88%に向上するスキルイコライザとして機能し,ロープの堅固化に有効である。逆に、エキスパートユーザはVAを好んでおり、高度に準拠するロングロープは、局所的なアクションアシストよりも視覚的サポートの恩恵を受ける。最終的にこれらの知見は、効果的なDLO遠隔操作は固定された戦略に頼らず、適応性、ユーザ認識、物質認識の共有自律性に対する重要なニーズを強調していることを示している。

関連論文リスト

CR-VLA-Force: Learning Control-aware Compliance VLA Model for Robust Contact-rich Robotic Manipulation [22.8919569384701]
リアクティブ制御のための制御対応VLAフレームワークを提案する。 CC-VLAモデルは、力信号シーケンスと視覚言語による融合特徴を符号化するために、MoE(Multimodal Mixed-of-experts)を使用する。 CC-VLAは, 力知覚課題の成功率を著しく向上し, 力制御精度の向上を図っている。
論文参考訳（メタデータ） (2026-09-05T02:54:51Z)
CoRE-VLA: Towards Scalable and Robust Vision-Language-Action Modeling via Conditional Routing of Experts [79.70951193831506]
視覚言語アクション(VLA)モデルには高度な汎用ロボット操作があるが、現実の展開は根本的な課題である。本稿では、コンテキスト条件付きスパース計算としてアクション生成を定式化する、スケーラブルな計算と堅牢なVLAフレームワークであるCoRE-VLAを提案する。 LIBERO、RoboCasa GR1 Tabletop、および実世界のデュアルアーム操作の実験により、CoRE-VLAは長距離およびマルチタスクのベンチマークで強い結果が得られることが示された。
論文参考訳（メタデータ） (2026-07-04T03:58:09Z)
OmniClone: Engineering a Robust, All-Rounder Whole-Body Humanoid Teleoperation System [39.72804196709836]
全身のヒューマノイド遠隔操作により、人間が遠隔操作でヒューマノイドロボットを操作でき、リアルタイムの操作ツールと、自律学習のためのデモを収集するためのスケーラブルなエンジンの両方を提供する。ここでは,データ要求の少ない単一コンシューマに対して,高忠実でマルチスキルの制御を実現する,全身型ヒューマノイド遠隔操作システムであるOmniCloneを紹介する。
論文参考訳（メタデータ） (2026-03-15T11:13:04Z)
SUBTA: A Framework for Supported User-Guided Bimanual Teleoperation in Structured Assembly [22.375781949438387]
両用組立支援遠隔操作システムSUBTAについて述べる。我々は,標準的な遠隔操作,動作支援のみ,SUBTAを比較したユーザスタディを通じて,アプローチを検証する。
論文参考訳（メタデータ） (2026-03-11T06:21:08Z)
Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
論文参考訳（メタデータ） (2026-03-09T09:02:30Z)
Steering LLMs via Scalable Interactive Oversight [74.12746881843044]
大規模な言語モデルは、エンフェーブコーディングのような複雑で長期にわたるタスクをますます自動化し、監督のギャップが生まれています。スケーラブルな監視において重要な課題は、人間が責任を持ってAIシステムを、特定または検証する能力を超えたタスクで操ることができることだ。
論文参考訳（メタデータ） (2026-02-04T04:52:00Z)
Failure-Aware Bimanual Teleoperation via Conservative Value Guided Assistance [39.30346313362978]
本稿では,双方向遠隔操作のための価値誘導型障害対応フレームワークを提案する。継続的な人的権威を保ちながら、従順な触覚支援を提供する。
論文参考訳（メタデータ） (2026-02-01T08:16:48Z)
End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy: VR Teleoperation Augmented by Autonomous Hand VLA Policy for Efficient Data Collection [10.217810309422232]
マクロモーションとマイクロモーションの制御を分割するフレームワークを提案する。人間のオペレーターが直感的なVR遠隔操作を通してロボットの腕のポーズをガイドします。自律的なDexGrasp-VLAポリシは、リアルタイム触覚と視覚フィードバックを使用して、きめ細かい手制御を処理する。
論文参考訳（メタデータ） (2025-10-31T16:12:02Z)
HINT: Helping Ineffective Rollouts Navigate Towards Effectiveness [49.72591739116668]
強化学習(RL)は、大規模言語モデル(LLM)の長いチェーン・オブ・シント(CoT)推論能力を高めるための重要な要因となっている。しかし、GRPOのような一般的な手法は、タスクの難しさがモデルの能力を超えると失敗し、スパーシリティと非効率なトレーニングに報いる。我々は、適応的なヒントフレームワークであるHINT: Helping In Effective Rollouts Navigate Towards Effectiveを提案する。
論文参考訳（メタデータ） (2025-10-10T13:42:03Z)
Casper: Inferring Diverse Intents for Assistive Teleoperation with Vision Language Models [50.19518681574399]
現実の遠隔操作における中心的な課題は、ロボットがユーザー制御入力から幅広い人間の意図を推測することである。我々は、事前学習された視覚言語モデルに埋め込まれたコモンセンス知識を活用する、支援型遠隔操作システムであるCasperを紹介する。我々は,Casperがタスク性能を改善し,人間の認知負荷を低減し,直接遠隔操作や補助遠隔操作のベースラインよりもユーザ満足度が高いことを示す。
論文参考訳（メタデータ） (2025-06-17T17:06:43Z)
Point Cloud-based Grasping for Soft Hand Exoskeleton [6.473578652011161]
本研究は、コンテキスト認識を利用して把握対象を予測し、アクティベーションのための次の制御状態を決定する視覚ベースの予測制御フレームワークを提案する。移植能力スコア(GAS: Grasping Ability Score)は,15個の対象および健常者を対象に,最先端のGASを91%達成した。
論文参考訳（メタデータ） (2025-04-04T11:40:04Z)
Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
エンパワーメント原理は直立位置での力学系の教師なし安定化を可能にする本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
論文参考訳（メタデータ） (2020-07-14T21:10:16Z)

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。