論文の概要: JOIN: Anchor-Grasp-Conditioned Joining via Opposition, Inference, and Navigation for Bimanual Assistive Manipulation
- arxiv url: http://arxiv.org/abs/2606.11151v1
- Date: Tue, 09 Jun 2026 17:36:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.071563
- Title: JOIN: Anchor-Grasp-Conditioned Joining via Opposition, Inference, and Navigation for Bimanual Assistive Manipulation
- Title（参考訳）: JOIN:Anchor-Grasp-Conditioned Joining via Opposition, Inference, and Navigation for bimanual Assistive Manipulation
- Authors: Drake Moore, Matt Cheng, Xiang Zhi Tan, Taşkın Padır,
- Abstract要約: 車椅子搭載アンカーと移動マニピュレータのための異種オンデマンドバイマニュアルシステムを提案する。
視覚言語モデル(VLM)と標準幾何ツールは、バイマンガルADLの代表クラスを解くのに十分なタスクレベルの知識を提供する。
システムJOINは,車いす条件の反対スコアとタスク条件の指向性操作性に寄与する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assistive mobility and manipulation platforms have received increasing attention as a means of restoring independence to individuals with disabilities. While effective for many basic activities of daily living (ADLs), a significant percentage of everyday tasks such as opening a jar, pouring a liquid, lifting a tray, or basic meal preparation, is fundamentally bimanual and remains out of reach for any single-arm system. Adding a second arm to a wheelchair is impractical, due to the additional power draw, cost, and the loss of space required for transfers and mobility. We instead propose a heterogeneous, on-demand bimanual system, in which a wheelchair-mounted anchor arm is joined when needed by a summoned mobile manipulator that serves as a complement arm. The central technical problem, which we call bimanual joining, is conditional: the anchor has already committed to a grasp, and the complement arm must choose where to stand and what to grasp to complete the task. We formulate bimanual joining as a three-phase decomposition (plan, drive, grasp) and show that a vision-language model (VLM), coupled with standard geometric tools, provides task-level knowledge sufficient to solve a representative class of bimanual ADLs. Our system JOIN, contributes (i) a wheelchair-referenced opposition score, and (ii) task-conditioned directional manipulability. We evaluate JOIN on a Kinova Gen3 anchor and a Hello Robot Stretch~3 complement on representative same-object and different-object tasks. JOIN accomplished more attempts (19/20) than state-of-the-art methods (14/20) and required markedly less correction by the operator.
- Abstract（参考訳）: 援助的モビリティと操作プラットフォームは、障害のある個人への自立を回復する手段として、注目を集めている。
多くの日常生活の基本的活動(ADL)に有効であるが、瓶を開けたり、液体を注いだり、トレイを持ち上げたり、食事の基本的な準備など、日常的な作業のかなりの割合は基本的にバイマン的であり、シングルアームシステムには及ばない。
車椅子に第2の腕を加えるのは、動力の引き込み、コスト、移動に必要なスペースの喪失など、実用的ではない。
そこで本研究では,車いす搭載アンカーアームを補助アームとして駆動する移動マニピュレータによって必要な時に接合する異種オンデマンドバイマニュアルシステムを提案する。
アンカーはすでに把握にコミットしており、補完アームは、どの位置に立ち、何を把握してタスクを完了させるかを選択する必要があります。
両面結合を3相分解(計画,駆動,把握)として定式化し,視覚言語モデル(VLM)と標準幾何学的ツールを組み合わせることで,両面ADLの代表クラスを解くのに十分なタスクレベル知識が提供されることを示す。
私たちのシステムJOIN、コントリビューション
一 車椅子基準の反対点、及び
(II)タスク条件の指向性操作性。
我々は,Kinova Gen3アンカーとHello Robot Stretch~3サプリメント上でのJOINの評価を行った。
JOIN は最先端の手法 (14/20) よりも多くの試み (19/20) を行い、オペレータによる大幅な修正を要求された。
関連論文リスト
- Task-Aware Bimanual Affordance Prediction via VLM-Guided Semantic-Geometric Reasoning [22.1291953459429]
双方向操作は、オブジェクトとどこで相互作用し、どのアームがそれぞれのアクションを実行するべきかを推論する必要がある。
既存のアプローチでは、余剰予測を粗い部分のセグメンテーションとして扱うか、または腕の割り当てに幾何学に依存している。
本稿では,タスク対応型バイマニュアルアプライアンス予測のための階層的枠組みを提案する。
論文 参考訳（メタデータ） (2026-04-09T19:39:45Z) - BiPreManip: Learning Affordance-Based Bimanual Preparatory Manipulation through Anticipatory Collaboration [35.18224449308742]
コラボレーティブ・プレパレーション・マニピュレーション(Collaborative Preparatory Manipulation)は、オブジェクトのセマンティクスと幾何学を理解することを要求する双方向操作タスクのクラスである。
そこで我々は,まず最終目標指向アクションを想定し,一方の腕を誘導して準備操作を行う視覚的アベイランスに基づくフレームワークを提案する。
この余剰中心の表現は、予想される武器間推論と調整を可能にし、様々な対象に対して効果的に一般化する。
論文 参考訳（メタデータ） (2026-03-23T08:12:24Z) - Beyond Cybathlon: On-demand Quadrupedal Assistance for People with Limited Mobility [16.344422378924175]
本稿では,オンデマンド四足歩行支援ロボットシステムを提案する。
我々は、セマンティックな衝突認識ナビゲーションを備えた環境中におけるロボットの動きだけでなく、ピック・アンド・プレイス・タスクも自動化する。
我々のシステムは,器用な操作を必要とするタスクを含む,幅広いタスクを支援することができる。
論文 参考訳（メタデータ） (2026-03-17T16:48:36Z) - 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) - Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。
我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。
我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
論文 参考訳（メタデータ） (2026-03-09T09:02:30Z) - UV-M3TL: A Unified and Versatile Multimodal Multi-Task Learning Framework for Assistive Driving Perception [71.19234323863314]
運転者の行動、運転者の感情、車両の行動、交通状況を同時に認識する枠組みを提案する。
本フレームワークは,デュアルブランチ空間チャネルのマルチモーダル埋め込みと適応的特徴分離型マルチタスク損失の2つのコアコンポーネントを組み込んでいる。
提案手法をAIDEデータセット上で評価し,UV-M3TLが4つのタスクすべてにおいて最先端の性能を達成することを示す実験結果を得た。
論文 参考訳（メタデータ） (2026-02-02T03:35:24Z) - Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。
本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。
我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
論文 参考訳（メタデータ） (2025-03-12T09:28:41Z) - Generalize by Touching: Tactile Ensemble Skill Transfer for Robotic Furniture Assembly [24.161856591498825]
TEST(Tactile Ensemble Skill Transfer)は、制御ループに触覚フィードバックを組み込んだオフライン強化学習(RL)アプローチのパイオニアである。
TESTの中核となる設計は、高度計画のためのスキル移行モデルと、適応的なスキル内目標達成ポリシーのセットを学ぶことである。
その結果, TESTは90%以上の成功率を達成でき, 一般化政策の4倍以上の効率であることがわかった。
論文 参考訳（メタデータ） (2024-04-26T20:27:10Z) - Leveraging Sequentiality in Reinforcement Learning from a Single
Demonstration [68.94506047556412]
本稿では,複雑なロボットタスクの制御ポリシーを1つの実演で学習するために,シーケンシャルなバイアスを活用することを提案する。
本研究は, ヒューマノイド移動やスタンドアップなど, 模擬課題のいくつかを, 前例のないサンプル効率で解くことができることを示す。
論文 参考訳（メタデータ） (2022-11-09T10:28:40Z) - Multi-skill Mobile Manipulation for Object Rearrangement [75.62774690484022]
本研究では,オブジェクト再構成のための長距離移動操作タスクへのモジュラーアプローチについて検討する。
従来の作業チェーンでは、サブタスクで個別に学習するポイントゴールナビゲーションスキルを備えた複数の静止操作スキルがチェーンされている。
静的な操作ではなく,モバイル操作のスキルを実装し,ポイントゴールではなく,地域目標で訓練されたナビゲーションスキルを訓練することで,これらのアイデアを運用する。
論文 参考訳（メタデータ） (2022-09-06T19:02:08Z) - Learning Multi-Arm Manipulation Through Collaborative Teleoperation [63.35924708783826]
模倣学習(il)はロボットに操作タスクを実行するための強力なパラダイムである。
多くの現実世界のタスクは、重い物体を持ち上げる、デスクを組み立てるなど、複数のアームを必要とする。
複数のリモートユーザが同時にロボットアームを遠隔操作できるマルチユーザデータ収集プラットフォームであるMulti-Arm RoboTurk(MART)を紹介した。
論文 参考訳（メタデータ） (2020-12-12T05:43:43Z)
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。