論文の概要: ORCA: A Platform for Open-Source Dexterity Research
- arxiv url: http://arxiv.org/abs/2606.14561v1
- Date: Fri, 12 Jun 2026 15:38:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.962069
- Title: ORCA: A Platform for Open-Source Dexterity Research
- Title（参考訳）: ORCA: オープンソースのデキスタリティ研究のためのプラットフォーム
- Authors: Francesco Capuano, Maximilian Eberlein, Fabrice Bourquin, Clemens Claudio Christoph,
- Abstract要約: orcalearning stackは、一流のロボット学習ドメインとしてのデクスタリティのためのオープンソースの研究スタックである。
orcastackは、さまざまなコンシューマプラットフォームからの低レベルのコントロール、シミュレーション、遠隔操作を統合する。
エンド・ツー・エンドの完全なワークフローを実演し、コンシューマーグレードのVRヘッドセットで遠隔操作することで、手作業によるリオリエンテーションタスクのエキスパートによるデモンストレーションを収集する。
- 参考スコア（独自算出の注目度）: 0.04666493857924358
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotics manipulation research increasingly focuses on two-finger parallel grippers for their effectiveness, affordability, and ease of teleoperation. Grippers are nonetheless limited by their form factor, often requiring bimanual setups even for simple reorientation tasks. Anthropomorphic hands are a more natural platform for dexterous robot learning -- closer to the human hand, and capable of learning from human video -- yet they remain hard to use in learning research: even where open and accessible hand hardware exists, the software for control, simulation, teleoperation, and retargeting is scattered in one-off code bases, and largely disconnected from the robot-learning ecosystem. In this work, we introduce the \orca~learning stack, an open-source research stack for dexterity as a first-class robot learning domain. Our \orca~stack unifies low-level control, simulation, teleoperation from a range of consumer platforms, and hand retargeting, behind a single interface, and integrates natively with popular robot-learning frameworks such as \lerobot, so dexterous hand researchers can leverage the same data, training, and evaluation pipelines used for non-dexterous robot learning. We demonstrate a complete end-to-end workflow, collecting expert demonstrations of an in-hand reorientation task by teleoperation with a consumer-grade VR headset, training an autonomous policy with \lerobot, and evaluating the learned policy in a fully reproducible and observable setup. We open-source the entire stack as a shared, reproducible foundation for dexterous-manipulation research.
- Abstract（参考訳）: ロボット操作の研究は、その有効性、可利用性、遠隔操作の容易性のために、2本の指の平行グリップに重点を置いている。
それでも、グリッパーはフォームファクタによって制限されており、単純なリオリエンテーションタスクであっても、バイマニュアルセットアップを必要とすることが多い。
人間の手に近い、人間のビデオから学ぶことのできる、器用なロボット学習のための、より自然なプラットフォームである。しかし、オープンでアクセスしやすいハンドハードウェアが存在する場所においても、コントロール、シミュレーション、遠隔操作、再ターゲティングのためのソフトウェアは、ワンオフのコードベースに散らばり、ロボット学習エコシステムからほとんど切り離されている。
本研究では,デクスタリティのためのオープンソースの研究スタックである‘orca~learning stack’を,一級ロボット学習領域として紹介する。
私たちの‘orca~stack’は、さまざまなコンシューマプラットフォームからの低レベルのコントロール、シミュレーション、遠隔操作、そして単一のインターフェースの背後にある手の再ターゲットを統一し、Shalerobotのような一般的なロボット学習フレームワークとネイティブに統合する。
エンド・ツー・エンドの完全なワークフローを実演し、コンシューマグレードのVRヘッドセットと遠隔操作することで、手動のリオリエンテーションタスクのエキスパートなデモンストレーションを収集し、Shalerobotで自律的なポリシーを訓練し、学習されたポリシーを完全に再現可能で観察可能な設定で評価する。
我々は,スタック全体を,デキスタラス・マニピュレーション研究のための共有かつ再現可能な基盤としてオープンソース化した。
関連論文リスト
- LeRobot: An Open-Source Library for End-to-End Robot Learning [36.567938139028186]
textttlerobotは、ロボット学習スタック全体を統合するオープンソースのライブラリである。
様々な最先端のロボット学習アルゴリズムの効率的な実装と、一般化された非同期推論スタックをサポートする。
論文 参考訳（メタデータ） (2026-02-26T09:59:50Z) - Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。
AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
論文 参考訳（メタデータ） (2025-11-20T18:59:02Z) - Ark: An Open-source Python-based Framework for Robot Learning [20.131425969692256]
ARKは、そのギャップを埋めるために設計された、オープンソースのPythonファーストのロボティクスフレームワークである。
ARKは、ユーザがデータを収集し、前処理し、ポリシーをトレーニングできる、Gymスタイルの環境インターフェースを提供する。
ARKには、コントロール、SLAM、モーションプランニング、システム識別、可視化のための再利用可能なモジュールが付属している。
論文 参考訳（メタデータ） (2025-06-24T20:23:39Z) - A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。
我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。
その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-11-08T17:20:47Z) - Generalized Robot Learning Framework [10.03174544844559]
本稿では,様々なロボットや環境に容易に再現可能かつ伝達可能な,低コストなロボット学習フレームワークを提案する。
我々は,産業用ロボットにおいても,デプロイ可能な模倣学習をうまく適用できることを実証した。
論文 参考訳（メタデータ） (2024-09-18T15:34:31Z) - LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。
CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。
評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-01-10T00:08:00Z) - Autonomous Robotic Reinforcement Learning with Asynchronous Human
Feedback [27.223725464754853]
GEARは、ロボットを現実世界の環境に配置し、中断することなく自律的に訓練することを可能にする。
システムはリモート、クラウドソース、非専門家からの非同期フィードバックのみを必要とする、Webインターフェースにロボットエクスペリエンスをストリームする。
論文 参考訳（メタデータ） (2023-10-31T16:43:56Z) - Evaluating Continual Learning on a Home Robot [30.620205237707342]
そこで本研究では,現実の低コストなホームロボットにおいて,連続学習手法をどのように適用することができるかを示す。
本稿では,スキルライブラリを継続的に学習するSANERと,それを支援するバックボーンとしてABIPを提案する。
論文 参考訳（メタデータ） (2023-06-04T17:14:49Z) - Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement
Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。
本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。
ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文 参考訳（メタデータ） (2023-03-02T18:51:38Z) - Dexterous Manipulation from Images: Autonomous Real-World RL via Substep
Guidance [71.36749876465618]
本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。
本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。
実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
論文 参考訳（メタデータ） (2022-12-19T22:50:40Z)
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。