論文の概要: WT-UMI: Tactile-based Whole-Body Manipulation via Force-Supervised Contact-Aware Planning
- arxiv url: http://arxiv.org/abs/2606.13232v1
- Date: Thu, 11 Jun 2026 11:45:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.763406
- Title: WT-UMI: Tactile-based Whole-Body Manipulation via Force-Supervised Contact-Aware Planning
- Title（参考訳）: WT-UMI:強制監督型コンタクトアウェア計画による触覚に基づく全身操作
- Authors: Jaehwi Jang, Zhaoyuan Gu, Alfred Cueva, Zimeng Chai, Junjie Sheng, Thong Nguyen, Himank Galundia, Yifan Wu, Huishu Xue, Isaac Legene, Ojas Mediratta, Davin Doan, Andrew Collins, Sarah Sadegh, KyoungMok Kim, Rishita Dhalbisoi, Zun Chen, Ye Zhao,
- Abstract要約: ばらばらで変形可能な、共有負荷オブジェクトの全身ヒューマノイド操作には、分散接触センシングと明示的な力規制が必要である。
本稿では,人間の操作者やヒューマノイドに装着したウェアラブルな全身触覚インタフェースである textbfWT-UMI を提案する。
- 参考スコア（独自算出の注目度）: 7.150534189488604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whole-body humanoid manipulation of bulky, deformable, and shared-load objects requires distributed contact sensing and explicit force regulation, yet most imitation policies treat contact force only implicitly. On the other hand, different demonstration sources provide complementary modalities with inherent trade-offs: human demonstrations capture natural contact forces but not robot-executable actions, while teleoperation directly records robot actions but with less natural force regulation. This paper presents \textbf{WT-UMI}, a wearable whole-body tactile interface worn by human operators or mounted on humanoids, providing accurate observations of tactile images, contact forces, and end-effector poses across both human demonstration and humanoid teleoperation modes. We introduce a force-conditioned target-pose correction module that converts measured human poses into contact-aware robot targets by learning corrections from teleoperation data. To leverage the natural force interaction in human data, we propose a force-supervised planner that predicts end-effector pose chunks and contact-force trajectories. The predicted contact force serves as the reference for a tactile-based admittance controller. Across five contact-rich tasks spanning deformable objects, bulky rigid objects, and human--humanoid collaboration, WT-UMI improves success rate and reduces contact-position tracking error over four policy baselines. Our project page is available at https://wt-umi.github.io/WTUMI/.
- Abstract（参考訳）: ばらばらで変形可能な、共有負荷オブジェクトの全身ヒューマノイド操作には、分散接触検知と明示的な力規制が必要であるが、ほとんどの模倣ポリシーは、接触力のみを暗黙的に扱う。
人間のデモは自然な接触力を捕捉するが、ロボットの実行可能な動作は行わず、遠隔操作はロボットの動作を直接記録するが、自然な力の規制は少ない。
本稿では,人間の操作者やヒューマノイドに装着したウェアラブルな全身触覚インターフェースである「textbf{WT-UMI}」について述べる。
遠隔操作データから補正を学習することで、計測された人間のポーズを接触認識ロボットに変換する力条件付き目標位置補正モジュールを導入する。
人間のデータにおける自然な力の相互作用を活用するために,エンドエフェクタのポーズチャンクと接触力軌跡を予測する力監督型プランナーを提案する。
予測された接触力は、触覚ベースのアクセタンスコントローラの基準となる。
変形可能なオブジェクト、かさばる剛体オブジェクト、人間-ヒューマノイドのコラボレーションにまたがる5つのコンタクトリッチタスクにおいて、WT-UMIは成功率を改善し、4つのポリシーベースライン上での接触位置追跡誤差を低減する。
私たちのプロジェクトページはhttps://wt-umi.github.io/WTUMI/で公開されています。
関連論文リスト
- Active Contact Sensing for Robust Robot-to-Human Object Handover [22.323829143922676]
頑健なオブジェクトハンドオーバに対する能動的センシング手法を提案する。
ホールドグリップは複数の方向に力を生み出すが、偶発的なタッチは起こらない。
我々の手法は97.5%の成功率を達成した。
論文 参考訳（メタデータ） (2026-05-06T07:59:02Z) - Functional Force-Aware Retargeting from Virtual Human Demos to Soft Robot Policies [22.000828900701237]
我々は,ソフトロボットに接触力について明示的に推論することで,人間のような操作スキルを身につけるためのフレームワークであるSoftActを紹介した。
人間の関節軌跡をリターゲットする従来のアプローチとは異なり、SoftActは2段階の力認識アルゴリズムを採用している。
論文 参考訳（メタデータ） (2026-04-01T17:59:35Z) - ZeroWBC: Learning Natural Visuomotor Humanoid Control Directly from Human Egocentric Video [52.78703020909145]
我々は、人間中心のビデオから直接、自然なヒューマノイドビジュモータ制御ポリシーを学ぶ新しいフレームワークであるZeroWBCを紹介した。
提案手法はまず視覚言語モデル(VLM)を微調整し,テキスト命令とエゴセントリックな視覚コンテキストに基づく将来の身体全体の動作を予測する。
ユニツリーG1ヒューマノイドロボットの実験では,動作の自然性と汎用性において,本手法がベースラインアプローチより優れていることが示された。
論文 参考訳（メタデータ） (2026-03-10T04:19:43Z) - OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer [34.13467792368733]
我々は、人間とロボットのスキル伝達用に設計されたウェアラブルな触覚手袋であるOSMOを紹介する。
人間の実演のみに特化して訓練されたロボットポリシーは、困難なコンタクトリッチな操作タスクを実行することができることを実証する。
論文 参考訳（メタデータ） (2025-12-09T18:56:30Z) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。
ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。
結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2025-10-06T17:47:02Z) - Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。
We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。
提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
論文 参考訳（メタデータ） (2025-06-02T17:57:52Z) - FACTR: Force-Attending Curriculum Training for Contact-Rich Policy Learning [70.65987250853311]
フォースフィードバックは、ほとんどのロボットアームで簡単に利用できるが、遠隔操作や政策学習では一般的には使われない。
本稿では,低コストで直感的で双方向な遠隔操作システムを提案し,従者アームの外部力を教師アームに伝える。
次に、FACTRというカリキュラムを利用した政策学習手法を導入し、学習を通して視覚入力を劣化させ、強度を低下させる。
論文 参考訳（メタデータ） (2025-02-24T18:59:07Z) - HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
本稿では,半自律遠隔操作システムHOMIEを紹介する。
ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。
このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
論文 参考訳（メタデータ） (2025-02-18T16:33:38Z)
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。