論文の概要: Towards Robotic Dexterous Hand Intelligence: A Survey

• arxiv url: http://arxiv.org/abs/2605.13925v2
• Date: Fri, 15 May 2026 03:40:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.248853
• Title: Towards Robotic Dexterous Hand Intelligence: A Survey
• Title（参考訳）: ロボットデキステラスハンドインテリジェンスを目指して
• Authors: Weiguang Zhao, Tian Liang, Xihao Guo, Rui Zhang, Irwin King, Kaizhu Huang,
• Abstract要約: ロボットの手は、ハードウェア、センサー、制御、シミュレーション、データ生成の進歩によって急速に進歩する。 既存の研究はしばしば、手作業の具体化、感覚設定、タスク設定、トレーニングデータ、評価プロトコルに関する様々な仮定の下で開発されている。 本調査は, 4つの相補的な側面から, 器用な手の研究を概観する。
• 参考スコア（独自算出の注目度）: 64.42459413339479
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robotic dexterous hands are central to contact-rich manipulation, with rapid progress driven by advances in hardware, sensing, control, simulation, and data generation. However, existing studies are often developed under different assumptions regarding hand embodiments, sensory configurations, task settings, training data, and evaluation protocols, making systematic comparison difficult and obscuring the developmental trajectory of the field. This survey provides a holistic review of dexterous hand research from four complementary aspects. First, we present a hardware-level analysis covering actuation, transmission, perception, and representative hand designs, highlighting the key trade-offs in force capability, compliance, bandwidth, integration, and system complexity. Furthermore, we review control and learning methods for dexterous manipulation from a methodological perspective, grouping representative works by major paradigms and tracing their evolution in chronological order. In addition, we consolidate datasets, modality design, and evaluation practices, which enables methodological progress to be interpreted together with the ways in which it is trained, benchmarked, and assessed. Finally, we discuss the major limitations of current dexterous hand research and summarize the corresponding future directions. By connecting hardware analysis, methodological development, data resources, and evaluation, this survey aims to provide a structured understanding of dexterous hand research and to clarify the most important open challenges for future study.
• Abstract（参考訳）: ロボットの手は、ハードウェア、センサー、制御、シミュレーション、データ生成の進歩によって急速に進歩する。 しかし, 既存の研究は, 手の具体化, 感覚設定, タスク設定, トレーニングデータ, 評価プロトコルなど, 様々な前提のもとに開発され, 体系的な比較が困難であり, 分野の発達軌跡を隠蔽する。 本調査は, 4つの相補的な側面から, 器用な手の研究を概観する。 まず, 動作, 伝達, 知覚, 代表的手の設計に関するハードウェアレベルの分析を行い, 力量, コンプライアンス, 帯域幅, 統合, システム複雑性における重要なトレードオフを明らかにする。 さらに,方法論的観点からのデクスタラスな操作の制御と学習方法,主要なパラダイムによる代表的作業のグループ化,時系列順での進化の追跡について検討する。 さらに、データセット、モダリティ設計、評価プラクティスを統合し、方法論的な進捗を、トレーニング、ベンチマーク、評価の方法とともに解釈できるようにする。 最後に,現在行われている手指研究の限界について論じ,今後の方向性を概説する。 本研究は,ハードウェア分析,方法論開発,データ資源,評価を結びつけることで,創発的ハンドリサーチの構造化された理解と,今後の研究における最も重要なオープン課題を明らかにすることを目的とする。

関連論文リスト

• An Interdisciplinary and Cross-Task Review on Missing Data Imputation [25.19716862601082]
  データ不足はデータサイエンスにおける根本的な課題であり、幅広い分野における分析と意思決定を妨げる。 何十年もの研究と多くの計算方法にもかかわらず、文学は分野によって断片化されている。 この研究は、欠如メカニズム、単対複数の計算、異なる計算目標を含む中核的な概念を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-11-03T03:43:43Z)
• LLM-Based Data Science Agents: A Survey of Capabilities, Challenges, and Future Directions [46.70253280146778]
  この調査は、データサイエンスエージェントのライフサイクルに整合した最初の包括的分類である。 エンド・ツー・エンドのデータサイエンス・プロセスの6段階に45のシステムを解析する。 それぞれのステージにおける強みと制限を強調し、新たなベンチマークと評価プラクティスをレビューします。
  論文  参考訳（メタデータ） (2025-10-05T04:04:27Z)
• Hyperspectral Imaging [49.45523645429475]
  ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時にキャプチャする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。
  論文  参考訳（メタデータ） (2025-08-11T15:47:24Z)
• Deep Learning, Machine Learning, Advancing Big Data Analytics and Management [26.911181864764117]
  人工知能、機械学習、ディープラーニングの進歩は、ビッグデータ分析と管理の変革を触媒している。 本研究は,これらの技術の理論的基礎,方法論的進歩,実践的実装について考察する。 研究者、実践家、データ愛好家は、現代のデータ分析の複雑さをナビゲートするツールを利用できる。
  論文  参考訳（メタデータ） (2024-12-03T05:59:34Z)
• Multimodal Alignment and Fusion: A Survey [11.3029945633295]
  このサーベイは、機械学習分野におけるマルチモーダルアライメントと融合の進歩に関する包括的概要を提供する。 我々は、両構造の観点から、アライメントと融合の鍵となるアプローチを体系的に分類し、分析する。 この調査は、クロスモーダルなミスアライメント、計算ボトルネック、データ品質の問題、モダリティギャップといった重要な課題を強調します。
  論文  参考訳（メタデータ） (2024-11-26T02:10:27Z)
• DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
  我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。 我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
  論文  参考訳（メタデータ） (2024-07-18T11:28:52Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• Deep Learning for Community Detection: Progress, Challenges and Opportunities [79.26787486888549]
  この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。 この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
  論文  参考訳（メタデータ） (2020-05-17T11:22:11Z)

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。