論文の概要: X-OP: Cross-Morphology Whole-Body Teleoperation via MPC Retargeting

• arxiv url: http://arxiv.org/abs/2606.07934v1
• Date: Sat, 06 Jun 2026 01:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.544783
• Title: X-OP: Cross-Morphology Whole-Body Teleoperation via MPC Retargeting
• Title（参考訳）: X-OP:MPC再ターゲティングによるクロスモルフォロジー全体遠隔操作
• Authors: Jen-Wei Wang, Sarthak Kaingade, Andrea Tagliabue, Nicholas Morozovsky,
• Abstract要約: 全体遠隔操作は、ロコ操作タスクにおけるスケーラブルなロボットデータ収集に不可欠である。 単一のXRデバイスによって駆動される階層的な全身遠隔操作フレームワークを提案する。 我々は,ヒューマノイドと移動マニピュレータの双方において,全身制御タスクにおいて高い成功率を示す。
• 参考スコア（独自算出の注目度）: 3.134050607080983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whole-body teleoperation is essential for scalable robot data collection in loco-manipulation tasks, yet existing approaches relying on exoskeleton suits or multi-camera setups impose prohibitive cost, complexity, and environmental constraints. Recent methods using a single extended reality (XR) device with end-to-end reinforcement learning policies partially address these limitations but require robot-specific retraining, suffer from out-of-distribution failures, and rely on motion retargeting that neglects dynamic feasibility. We propose a hierarchical whole-body teleoperation framework driven by a single XR device that generalizes across diverse robot morphologies without retraining robot-specific policies. A Model Predictive Control (MPC)-based motion retargeter jointly optimizes alignment with the operator's intent and the robot's dynamic feasibility, generating optimal commands for existing low-level controllers. To ensure robust online execution, we introduce a state synchronization method that resets the simulator state at each MPC step to handle noisy real-world measurements and contact sensitivity, and integrate SLAM-based global pose feedback to mitigate long-term drift. Simulation results show higher success rates on whole-body control tasks for both a humanoid (over 30% lower completion time and 20% lower power consumption) and a mobile manipulator (zero collisions) compared to baselines. Real-world experiments further validate the effectiveness and flexibility of our method, demonstrating the successful deployment of the proposed retargeter on both platforms for whole-body control tasks and the ease of allowing users to adjust teleoperation behavior based on their preferences. This plug-and-play framework offers a scalable, morphology-agnostic solution for whole-body robot teleoperation, enabling real-time behavioral customization and broad applicability across platforms.
• Abstract（参考訳）: 全体遠隔操作は、ロコ操作タスクにおけるスケーラブルなロボットデータ収集に不可欠であるが、エクソスケルトンスーツやマルチカメラのセットアップに依存する既存のアプローチは、コスト、複雑さ、環境制約を禁止している。 エンドツーエンドの強化学習ポリシを備えた単一拡張現実(XR)デバイスを用いた最近の手法は、これらの制限に部分的に対処するが、ロボット固有の再訓練が必要であり、配布外障害に悩まされ、ダイナミックな実現可能性を無視したモーションリターゲティングに依存している。 ロボット固有のポリシーを再訓練することなく、多様なロボット形態を一般化する単一のXRデバイスによって駆動される階層的な全身遠隔操作フレームワークを提案する。 モデル予測制御(MPC)ベースのモーションリターゲッターは、オペレータの意図とロボットのダイナミックな実現可能性との整合性を共同で最適化し、既存の低レベルコントローラに最適なコマンドを生成する。 より堅牢なオンライン実行を実現するため,各MPCステップでシミュレータ状態をリセットし,ノイズの多い実環境計測と接触感度を処理し,SLAMに基づくグローバルポーズフィードバックを統合して長期ドリフトを緩和する状態同期手法を提案する。 シミュレーションの結果,ヒューマノイド(完成時間30%以上,消費電力20%以上)と移動マニピュレータ(ゼロ衝突)の双方に対して,ベースラインと比較して,全身制御タスクの成功率が高くなった。 実世界の実験は,本手法の有効性と柔軟性をさらに検証し,提案したリターゲッターを両プラットフォームに展開し,ユーザの好みに応じて遠隔操作動作を調整できることを実証した。 このプラグイン・アンド・プレイ・フレームワークは、全体ロボットの遠隔操作にスケーラブルで形態に依存しないソリューションを提供し、リアルタイムな振る舞いのカスタマイズとプラットフォーム間の広範な適用を可能にする。

関連論文リスト

• Domain-Adaptive Communication-Rate Optimization for Sim-to-Real Humanoid-Robot Wireless XR Teleoperation [45.11184664928145]
  ワイヤレス拡張現実(XR)遠隔操作は、ヒューマノイドロボットのデモを収集するための具体的相互作用機能を提供する。 本稿では, サンプリング, 送信, 再構築を統合し, 通信速度を最適化するシステムフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-05-19T03:13:09Z)
• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• 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)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
  操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。 既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。 本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-27T17:41:38Z)
• Ctrl-World: A Controllable Generative World Model for Robot Manipulation [53.71061464925014]
  汎用ロボットポリシーは、幅広い操作スキルを実行することができる。 未知の物体や命令で 彼らの能力を評価し 改善することは 重要な課題です 世界モデルは、イマジネーション空間内でポリシーの展開を可能にすることで、有望でスケーラブルな代替手段を提供する。
  論文  参考訳（メタデータ） (2025-10-11T09:13:10Z)
• Feedback-MPPI: Fast Sampling-Based MPC via Rollout Differentiation -- Adios low-level controllers [0.9674641730446749]
  モデル予測経路積分制御は、複雑なロボット作業に適したサンプリングベースの強力なアプローチである。 本稿では,勾配型MPCの感度から得られる頑健なフィードバックゲインを紹介する。 2つのロボットプラットフォームにおける実環境実験によるシミュレーションにおけるF-MPPIの有効性を実証する。
  論文  参考訳（メタデータ） (2025-06-17T07:47:33Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。