論文の概要: Any-ttach: Quick End-effector Swapping Enables Manipulation Dexterity with Simplicity

• arxiv url: http://arxiv.org/abs/2605.30569v1
• Date: Thu, 28 May 2026 21:00:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.230625
• Title: Any-ttach: Quick End-effector Swapping Enables Manipulation Dexterity with Simplicity
• Title（参考訳）: Any-ttach: 簡単に操作できるクイックエンドエフェクタスワッピング
• Authors: Weizhe Ni, Jinzhou Li, Haoyu Li, Cody Andres Alessio-Bunnell, Wenjing Pan, Xianyi Cheng,
• Abstract要約: Any-ttachはツール中心の操作フレームワークで、クイックエンドエフェクタスワッピングをシンプルさでデキスタリティのメカニズムとして扱う。 このシステムは、様々なツールとエンドエフェクターモジュールをサポートしており、日々のツール、ハサミ、フィンレイの指、低コストの人為的手などがある。 実験の結果,Any-ttachはツールスワッピングの信頼性を向上し,実演効率を向上し,ツール目的の多様性を低減し,多様なツール利用スキルをサポートすることがわかった。
• 参考スコア（独自算出の注目度）: 15.00126597335838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic manipulation dexterity is often pursued by building increasingly complex high-DoF multifingered hands. While many robotic hands are designed to replicate human morphology, the functional role of human hands suggests a different perspective: much of their complexity may exist to enable tool use and tool making. This observation motivates Any-ttach, a tool-centric manipulation framework that treats quick end-effector swapping as a mechanism for dexterity with simplicity. Any-ttach combines a low-cost automatic swapping mechanism for an open-close robot interface, a handheld device for collecting human demonstrations, and a task planning framework that composes learned, parameterized, and planned tool-use skills. The system supports diverse tools and end-effector modules, including daily tools, articulated tools such as scissors, Fin Ray fingers, and a low-cost anthropomorphic hand, through the same shared interface. Our experiments show that Any-ttach improves tool-swapping reliability, increases demonstration efficiency, reduces tool-pose variability, and supports diverse tool-use skills. In two long-horizon tasks, making a sandwich and preparing a cucumber, Any-ttach executes six tool-use subskills through end-effector switching and execution monitoring. These results suggest that robots can expand manipulation capability not only through more complex end-effectors, but also through rapidly exchangeable tools and end-effector modules. More details and videos are available at https://any-ttach.github.io/.
• Abstract（参考訳）: ロボット操作のディクスタリティは、ますます複雑なハイDoFマルチフィンガーハンドを構築することで追求されることが多い。 多くのロボットハンドは人間の形態を再現するように設計されているが、人間の手の機能的な役割は異なる視点を示唆している。 この観察はツール中心の操作フレームワークであるAny-ttachを動機付けている。 Any-ttachは、オープンクローズロボットインタフェースのための低コストの自動スワップ機構と、人間のデモを収集するハンドヘルドデバイスと、学習、パラメータ化、計画されたツール使用スキルを構成するタスク計画フレームワークを組み合わせる。 このシステムは、様々なツールとエンドエフェクターモジュールをサポートしており、日用品、ハサミ、フィンレイの指、低コストの人為的手など、同じ共有インターフェースで利用できる。 実験の結果,Any-ttachはツールスワッピングの信頼性を向上し,実演効率を向上し,ツール目的の多様性を低減し,多様なツール利用スキルをサポートすることがわかった。 サンドイッチを作ってキュウリを準備する2つの長期タスクにおいて、Any-ttachは、エンドエフェクタスイッチングと実行監視を通じて、6つのツール使用サブスキルを実行する。 これらの結果から,ロボットは複雑なエンドエフェクタだけでなく,急速に交換可能なツールやエンドエフェクタモジュールを通じて操作能力を拡張できる可能性が示唆された。 詳細とビデオはhttps://any-ttach.github.io/.com/で公開されている。

関連論文リスト

• DexImit: Learning Bimanual Dexterous Manipulation from Monocular Human Videos [56.64773686434068]
  DexImitは、人間の操作映像を物理的に妥当なロボットデータに変換する自動フレームワークである。 DexImitは、インターネットまたはビデオ生成モデルから、人間のビデオに基づいて大規模なロボットデータを生成することができる。 ツールの使用、長距離タスク、きめ細かい操作を含む多様な操作タスクを処理できる。
  論文  参考訳（メタデータ） (2026-02-10T18:59:02Z)
• AdaReasoner: Dynamic Tool Orchestration for Iterative Visual Reasoning [66.24374176797075]
  textbfAdaReasonerは、ツール固有の、あるいは明示的な教師付き行動ではなく、一般的な推論スキルとしてツールの使用を学ぶマルチモーダルモデルのファミリーである。 AdaReasonerは、(i)スケーラブルなデータキュレーションパイプラインによって、長期にわたる多段階のツールインタラクションにモデルを公開し、(ii)ツール-GRPO、(ii)ツールの選択とシークエンシングをエンドツーエンドの成功に基づいて優先順位付けする強化学習アルゴリズム、(iii)ツールの使用を動的に規制する適応学習メカニズムによって実現されている。
  論文  参考訳（メタデータ） (2026-01-26T16:04:43Z)
• Taxonomy and Modular Tool System for Versatile and Effective Non-Prehensile Manipulations [5.7178303574016285]
  非作動型エンドエフェクタのキー特性に関する分類について論じる。 本稿では,標準の2本指グリップで使用可能なモジュール式ツールシステムについて述べる。
  論文  参考訳（メタデータ） (2025-12-11T19:52:40Z)
• MimicFunc: Imitating Tool Manipulation from a Single Human Video via Functional Correspondence [18.953496415412335]
  人間のビデオからツールを操作することは、ロボットを教えるための直感的なアプローチを提供する。 関数フレームとの関数対応を確立するフレームワークであるMimicFuncを提案する。 MimicFuncは、単一のRGB-Dビデオから新しいツールを操作するためのスキルを効果的に一般化する。
  論文  参考訳（メタデータ） (2025-08-19T05:49:47Z)
• ToolGen: Unified Tool Retrieval and Calling via Generation [34.34787641393914]
  ToolGenは、ツール知識を大きな言語モデルのパラメータに直接統合するパラダイムシフトです。 ToolGenは、ツール検索と自律タスク補完の両方において、優れた結果が得られることを示す。 ToolGenは、より汎用的で効率的で自律的なAIシステムを実現する。
  論文  参考訳（メタデータ） (2024-10-04T13:52:32Z)
• Learning Reusable Manipulation Strategies [86.07442931141634]
  人間は「トリック」を習得し、一般化する素晴らしい能力を実証する 本稿では,機械が1つの実演と自己演奏によってこのような操作スキルを習得することを可能にするフレームワークを提案する。 これらの学習メカニズムとサンプルは、標準的なタスクやモーションプランナにシームレスに統合できる。
  論文  参考訳（メタデータ） (2023-11-06T17:35:42Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)

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。