論文の概要: RealDexUMI: A Wearable Universal Manipulation Interface for Dexterous Robot Learning
- arxiv url: http://arxiv.org/abs/2606.06033v2
- Date: Sat, 06 Jun 2026 19:36:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:04.988842
- Title: RealDexUMI: A Wearable Universal Manipulation Interface for Dexterous Robot Learning
- Title（参考訳）: RealDexUMI: Dexterous Robot Learningのためのウェアラブルユニバーサルマニピュレーションインタフェース
- Abstract要約: 本稿では,共有デキスタラスエンドエフェクタモジュールを中心に構築されたウェアラブルユニバーサル操作インタフェースであるRealDexUMIを紹介する。
手のひら側は、人間の指の入力をロボットハンドのコマンドにマッピングし、リアルタイム、手袋なし、直感的で正確な手操作を可能にする。
- 参考スコア（独自算出の注目度）: 21.875676616617838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning dexterous manipulation requires demonstrations that preserve fine hand-object interactions while remaining executable at deployment. Existing pipelines either lose deployable dexterity through retargeting or embodiment conversion, or rely on robot-specific teleoperation that is costly to scale and often lacks intuitive, contact-aware control for dexterous data collection. We present RealDexUMI, a wearable universal manipulation interface built around a shared dexterous end-effector module that integrates a lightweight dexterous hand, in-hand vision, and fingertip tactile sensing. A palm-side isomorphic teleoperation glove maps human finger inputs to robot-hand joint commands, enabling real-time, retargeting-free, intuitive, and precise hand control. The shared hand and sensing modules yield zero-gap end-effector data, with matched in-hand observations, tactile signals, contacts, and hand actions between collection and deployment. Across eight real-robot tasks spanning fine-grained, contact-rich, long-horizon, and bimanual manipulation, policies trained on RealDexUMI data achieve an average success rate of 88.75%, generalize to unseen initial poses, and transfer across three embodiments. Website: https://research.beingbeyond.com/realdexumi
- Abstract（参考訳）: 巧妙な操作を学ぶには、デプロイ時に実行可能でありながら、細かな手動のインタラクションを保持するデモが必要である。
既存のパイプラインは、再ターゲティングやエンボディメント変換によってデプロイ可能なデキスタリティを失うか、あるいはスケールするのにコストがかかり、デキスタラスデータ収集に直感的でコンタクト対応の制御が欠けているロボット固有の遠隔操作に依存している。
本稿では,手軽な手,手動視覚,指先触覚を組み込んだ共有デキスタラスエンドエフェクターモジュールを中心に構築されたウェアラブルユニバーサル操作インタフェースであるRealDexUMIを提案する。
手のひら側の同型遠隔操作グローブは、人間の指入力をロボットハンドのコマンドにマッピングし、リアルタイム、再ターゲティングフリー、直感的、正確な手操作を可能にする。
共有ハンドとセンサーモジュールは、手動観測、触覚信号、接触、収集と展開の間の手動動作と一致したゼロギャップのエンドエフェクタデータを生成する。
細粒度、コンタクトリッチ、ロングホライゾン、双対操作にまたがる8つのリアルロボットタスクにおいて、RealDexUMIデータで訓練されたポリシーは平均成功率88.75%に達し、目に見えない最初のポーズに一般化し、3つの実施形態をまたいだ転送を行う。
ウェブサイト:https://research.beingbeyond.com/realdexumi
関連論文リスト
- AdvDex: Learning Dexterous Manipulation from Human Demonstrations via Joint-Aligned Actions and Adversarial Learning [25.241504281004243]
本稿では,人間とロボットのデモから,器用な操作を学ぶためのフレームワークであるAdvDexを紹介する。
まず、人間の操作デモの大規模マルチモーダルデータセットであるOmniShareを紹介する。
第2に,手首ポーズが$mathrmSE(3)$および15指関節からなる標準動作表現であるJAAS(Joint-Aligned Action Space)を提案する。
第3に,学習した視覚表現における具体的情報を減らすために,ドメイン・アドバイサル・ラーニングを用いる。
論文 参考訳（メタデータ） (2026-08-14T07:19:06Z) - NestDex: Nested Policy Learning with Copilot Assisted Teleoperation for Dexterous Manipulation [3.901334865327756]
有害な操作は、物理的な世界とのよりリッチなロボットインタラクションを約束します。
しかし、これらの行動を学ぶことは、一貫性のある完全なタスクのデモンストレーションを集めることの難しさに制約されているままです。
我々はNestDexを紹介した。NestDexはネストされたポリシー学習フレームワークで、この負担を軽減する。
論文 参考訳（メタデータ） (2026-08-13T15:25:39Z) - Towards Human-level Dexterous Teleoperation [62.77371751776912]
人レベルのデキスタラス遠隔操作は、動的手動物体接触による物体の動きを正確に制御する必要がある。
我々は,操作者の意図を学習された低レベルのコンタクト実行にマッピングするハンドオブジェクト・コトラッキング・コントローラであるTeleDexterを紹介した。
我々はTeleDexterを、物体の向きを変える7つの難易度遠隔操作タスクと、両手にわたる長距離ツールを用いて評価した。
論文 参考訳（メタデータ） (2026-07-13T12:36:47Z) - AnyDexRT: Calibration-Free Dexterous Hand Retargeting with Few-Shot Human Guidance [52.973947477815614]
AnyDexRT は人のような器用な手間で直感的な器用な遠隔操作を行うキャリブレーションのない手法である。
実験によると、AnyDexRTは品質を改善し、手動チューニングを減らし、従来の方法よりも直感的で効率的な制御を提供する。
論文 参考訳（メタデータ） (2026-07-09T10:29:53Z) - 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) - 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) - GR-Dexter Technical Report [32.12634986073996]
視覚言語アクション(VLA)モデルは、言語条件の長いロボット操作を可能にする。
本稿では,VLAに基づく汎用操作のための汎用ハードウェア・モデル・データ・フレームワークGR-Dexterについて述べる。
論文 参考訳（メタデータ） (2025-12-30T13:22:16Z) - MILE: A Mechanically Isomorphic Exoskeleton Data Collection System with Fingertip Visuotactile Sensing for Dexterous Manipulation [17.138615434309575]
既存のデータ収集パイプラインは、不正確な動作操作、低データ収集効率、高解像度触覚センサの欠如に悩まされている。
このギャップを、機械的遠隔操作とデータ収集システムであるMILEで解決する。
論文 参考訳（メタデータ） (2025-11-29T05:34:39Z) - Grasp Like Humans: Learning Generalizable Multi-Fingered Grasping from Human Proprioceptive Sensorimotor Integration [26.351720551267846]
触覚と審美的知覚は、人間の器用な操作に欠かせないものであり、感覚運動器統合による物体の確実な把握を可能にしている。
本研究では,人間の直感的・自然な操作から模倣学習に基づくロボット実行へのスキル伝達を把握するための,新しい手袋による触覚的知覚予測フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-10T07:44:12Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - 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。