論文の概要: SynManDex: Synthesizing Human-like Dexterous Grasps from Synthetic Human Pre-Grasps
- arxiv url: http://arxiv.org/abs/2606.09798v1
- Date: Mon, 08 Jun 2026 17:52:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:07.662808
- Title: SynManDex: Synthesizing Human-like Dexterous Grasps from Synthetic Human Pre-Grasps
- Title（参考訳）: SynManDex: 合成ヒトプレグラスからヒトのようなデキステラスグラスを合成する
- Authors: Yanming Shao, Zanxin Chen, Wenwei Lin, Mingjie Zhou, Tianxing Chen, Xiaokang Yang, Yichen Chi, Yao Mu,
- Abstract要約: SynManDexは、生成された人間のプレグラスをアベイランス対応の提案として使用する合成パイプラインである。
SynManDexは、オブジェクト条件付きデジタル人間のプレグラスをサンプリングし、それらをデクスタラスなロボットのポーズに再ターゲットし、各ステップからチェックをパスする軌跡を認める。
シミュレーションで80.7%、実ロボットで25/30(83.3%)成功している。
- 参考スコア（独自算出の注目度）: 35.16313495391306
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human hand-object interactions encode functional intent, but direct transfer to robotic hands often fails under morphology, contact, and reachability constraints. We present SynManDex, a synthetic pipeline that uses generated human pre-grasps as affordance-aware proposals and resolves the final contacts with robot-native optimization. SynManDex samples object-conditioned digital human pre-grasps, retargets them to dexterous robotic hand poses, optimizes force-closure contacts on the target embodiment, and admits trajectories that pass checks from each step. The resulting keyframes support both grasp-and-lift demonstrations and various prehensile manipulation tasks such as tea pouring, photo taking, and flute playing, designed via VLM agents. As a result, SynManDex combines high grasp quality (86.4\% grasp stability) with 4.67/5 human-likeness (93.4\%). It achieves 80.7\% successes in simulation and 25/30 (83.3\%) real-robot successes when applied to a 36-DOF bimanual dexterous robotic platform.
- Abstract（参考訳）: 人間と物体の相互作用は機能的意図を符号化するが、ロボットハンドへの直接移動は、形態学、接触、到達性の制約の下で失敗することが多い。
我々は,生成したヒトのプレグラスを用いた合成パイプラインであるSynManDexについて,アベイランス対応の提案を行い,ロボットネイティブ最適化による最終接触を解消する。
SynManDexは、オブジェクト条件付きデジタル人間のプレグラスをサンプリングし、それらをデキスタスなロボットのポーズに再ターゲティングし、ターゲットのエンボディメント上の強制閉鎖接触を最適化し、各ステップからチェックをパスする軌跡を認める。
結果として得られたキーフレームは、グリップ・アンド・リフトのデモンストレーションと、VLMエージェントを介して設計されたお茶の注ぐ、写真撮影、フルート演奏といった様々な操作タスクの両方をサポートする。
その結果、SynManDexは高いグリップ品質(86.4\%のグリップ安定性)と4.67/5のヒト類似度(93.4\%)を組み合わせている。
シミュレーションで80.7\%の成功と、36-DOFの2次元ロボットプラットフォームに適用された25/30(83.3\%)の実ロボットの成功を達成している。
関連論文リスト
- Human2Humanoid: Physics-Aware Cross-Morphology Motion Retargeting for Humanoid Robots [9.096721498763717]
人間の動きをヒューマノイドロボットに再ターゲティングすることは、遠隔操作、模倣学習、人間とロボットの相互作用にとって重要である。
本稿では,人間の動作を高忠実度なヒューマノイドロボットに伝達する,教師なし動作フレームワークであるHuman2Humanを提案する。
実験の結果, 提案手法は, ペアデータを持たないユニトリーG1ヒューマノイドロボットに対して, 人間の動きを的確に再現することに成功した。
論文 参考訳（メタデータ） (2026-06-02T10:53:06Z) - 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) - MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。
MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
論文 参考訳（メタデータ） (2025-12-17T12:59:41Z) - CEDex: Cross-Embodiment Dexterous Grasp Generation at Scale from Human-like Contact Representations [53.37721117405022]
クロス・エボディメント・デキスタラス・グリップ合成(Cross-Embodiment dexterous grasp synthesis)とは、様々なロボットハンドのグリップを適応的に生成し、最適化することである。
そこで我々は,CEDexを提案する。
これまでで最大のクロス・エボディメント・グラウンド・データセットを構築し、合計20万のグリップを持つ4つのタイプにまたがる500万のオブジェクトからなる。
論文 参考訳（メタデータ） (2025-09-29T12:08:04Z) - DEXOP: A Device for Robotic Transfer of Dexterous Human Manipulation [39.95361636017463]
周操作は、人間の操作を感知し記録し、実際のロボットへのデータの転送可能性を最大化する、ロボットデータ収集のパラダイムである。
我々は,このパラダイムを,自然環境における多種多様な操作タスクのためのリッチな感覚(視覚+触覚)データ収集能力の最大化を目的とした,受動的手外骨格であるDEXOPに実装する。
論文 参考訳（メタデータ） (2025-09-04T17:57:13Z) - AnyDexGrasp: General Dexterous Grasping for Different Hands with Human-level Learning Efficiency [49.868970174484204]
我々は,最小限のデータを用いてきめ細やかな把握を学習するための効率的なアプローチを提案する。
提案手法は,40個の訓練対象に対して数百のグリップ試行を行うだけで,人間レベルの学習効率で高い性能を達成できる。
この方法は、ヒューマノイドロボット、人工装具、その他頑丈で汎用的なロボット操作を必要とする領域に対する有望な応用を実証する。
論文 参考訳（メタデータ） (2025-02-23T03:26:06Z) - 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。