論文の概要: UniDexTok: A Unified Dexterous Hand Tokenizer from Real Data

• arxiv url: http://arxiv.org/abs/2606.10683v2
• Date: Thu, 11 Jun 2026 10:18:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 13:39:59.586787
• Title: UniDexTok: A Unified Dexterous Hand Tokenizer from Real Data
• Title（参考訳）: UniDexTok: 実データから一元化したデクサスハンドトケナイザ
• Authors: Dong Fang, Youjun Wu, Yuanxin Zhong, Rui Zhang, Yunlong Wang, Xiaosong Jia, Yu-Gang Jiang,
• Abstract要約: ディクサラスハンドはきめ細かい操作には不可欠だが、ハードウェアのデザインは実施形態によって大きく異なる。 本研究では,人間とロボットの手が持つ状態を22-DoFのセマンティックインターフェースにマッピングするUnified Dexterous Hand Model (UDHM)を提案する。 UDHMをベースとしたUniDexTokは、標準化された実関節状態から学習するエボディメントフリーな状態トークンである。
• 参考スコア（独自算出の注目度）: 43.27542375977571
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dexterous hands are essential for fine-grained manipulation, but their hardware designs vary substantially across embodiments. Differences in kinematics, joint definitions, and degrees of freedom make it difficult to define a shared state representation compared with parallel grippers. As a result, dexterous-hand data remains fragmented and difficult to use for joint training. In this work, we propose the Unified Dexterous Hand Model (UDHM), which maps human and robot hand states into a shared 22-DoF semantic interface. Based on UDHM, we introduce UniDexTok, a retargeting-free state tokenizer that learns embodiment-conditioned discrete tokens from standardized real joint states. UniDexTok provides a unified representation for heterogeneous dexterous hands without relying on retargeting or simulation data. Compared with the recent baseline UniHM, UniDexTok reduces MPJAE from 15.63 degrees to 0.16 degrees and MPJPE from 18.51 mm to 0.18 mm, corresponding to error reductions of 98.98% and 99.03%, respectively. These results improve reconstruction from centimeter-scale to sub-millimeter accuracy. Experiments further show that data from other embodiments improves target-embodiment reconstruction accuracy, demonstrating the benefit of cross-embodiment tokenization. UniDexTok also shows strong zero-shot and few-shot reconstruction ability when new dexterous hands are introduced.
• Abstract（参考訳）: ディクサラスハンドはきめ細かい操作には不可欠だが、ハードウェアのデザインは実施形態によって大きく異なる。 運動学、共同定義、自由度の違いは、並列グッパーと比較して共有状態表現を定義するのが難しくなる。 その結果,手指のデータは断片化され,関節トレーニングに使用し難いままとなった。 本研究では,人間とロボットの手が持つ状態を共用した22-DoFセマンティックインタフェースにマッピングするUDHM(Unified Dexterous Hand Model)を提案する。 UDHMをベースとしたUniDexTokは、標準化された実関節状態から実施条件付き離散トークンを学習する再ターゲットフリーな状態トークン化器である。 UniDexTokは、再ターゲティングやシミュレーションデータに頼ることなく、異種手に対して統一された表現を提供する。 最近のUniHMと比較して、UniDexTokはMPJAEを15.63度から0.16度に減らし、MPJPEを18.51mmから0.18mmに減らし、それぞれ98.98%と99.03%の誤差を減らした。 これらの結果は、センチメートルスケールからサブミリメートル精度への再構成を改善した。 実験により、他の実施形態のデータにより、目標・身体再構成の精度が向上し、クロス・エボデーメント・トークン化の利点が示される。 UniDexTokは、新しいデキスタラスハンドが導入されたときに、強力なゼロショットと少数ショットの再構築能力も示している。

関連論文リスト

• Dexora: Open-source VLA for High-DoF Bimanual Dexterity [97.98653150757526]
  Dexoraは、デュアルアーム、デュアルハンドハイDoF操作をターゲットとする、世界初のオープンソースのVLAシステムである。 指の動きから全身の運動を分離するハイブリッド遠隔操作パイプラインを設計する。 Dexoraはベーシックベンチマークとデクスタラスベンチマークの両方で競合するVLAベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-05-18T17:50:32Z)
• 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)
• DexGrasp-Zero: A Morphology-Aligned Policy for Zero-Shot Cross-Embodiment Dexterous Grasping [46.96135601170059]
  異種手動と身体的制約により、クロス・エボディメントの把握は困難である。 既存のアプローチは通常、中間運動目標を予測し、それぞれの実施形態に再ターゲットする。 多様な実施形態から普遍的な把握能力を学ぶ政策であるDexGrasp-Zeroを提案する。
  論文  参考訳（メタデータ） (2026-03-17T17:10:29Z)
• FAR-Dex: Few-shot Data Augmentation and Adaptive Residual Policy Refinement for Dexterous Manipulation [9.630733148732475]
  本稿では,FAR-Dexを提案する。FAR-Dexは,少数ショットデータ拡張と適応的残差補正を統合した階層型フレームワークで,デキスタラスタスクにおける堅牢かつ高精度なハンドハンドコーディネーションを実現する。 シミュレーションと実世界の両方の実験では、FAR-Dexはデータ品質を13.4%改善し、タスク成功率は最先端の手法よりも7%向上した。 さらに、実世界のタスクにおいて80%以上の成功を達成し、強力な位置一般化を伴うきめ細かい操作を可能にする。
  論文  参考訳（メタデータ） (2026-03-11T06:10:03Z)
• Cross-Embodiment Dexterous Hand Articulation Generation via Morphology-Aware Learning [82.63833405368159]
  既存のエンドツーエンドメソッドでは、特定の手で大規模なデータセットをトレーニングする必要がある。 本稿では,固有グラフに基づくクロスボデーメントグリップ生成のためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T15:57:00Z)
• UniHands: Unifying Various Wild-Collected Keypoints for Personalized Hand Reconstruction [4.0025708029346445]
  標準化されながらパーソナライズされたハンドモデルを作成する新しい方法であるUniHandsを提案する。 既存の暗黙的表現法とは異なり、UniHandsはMANOとNIMBLEを広く採用している。 また、メッシュから統一されたハンドジョイントを導き出し、様々なハンド関連タスクへのシームレスな統合を容易にする。
  論文  参考訳（メタデータ） (2024-11-18T18:59:58Z)

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。