Fugu-MT 論文翻訳(概要): Generating Robot Hands from Human Demonstrations

論文の概要: Generating Robot Hands from Human Demonstrations

arxiv url: http://arxiv.org/abs/2606.20549v1
Date: Thu, 18 Jun 2026 17:57:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-19 18:23:40.047552
Title: Generating Robot Hands from Human Demonstrations
Title（参考訳）: 人間のデモからロボットハンドを生成する
Authors: Sha Yi, Nicklas Hansen, Xueqian Bai, Carmelo Sferrazza, Michael T. Tolley, Xiaolong Wang,
Abstract要約: 人間の実演からロボットの手を生成するためのデータ駆動型フレームワークを提案する。製造後と同じシンプルな制御ポリシーを用いて,ロボットハンドの設計を生成する。プリントインプレース継手を用いた一片調音構造として, 本機構を直接構築した。
参考スコア（独自算出の注目度）: 14.581437959196398
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Robot learning has advanced rapidly in learning control, but learning the physical body of a robot remains much more difficult because jointly searching over design and control creates a very large combinatorial problem. Here, we present a data-driven framework for generating robot hands from human demonstrations. Instead of learning a complex controller together with each candidate design, we generate robot hand designs using the same simple control policy used after fabrication: matching fingertip positions through inverse kinematics. Using more than 4 million frames of human fingertip motion from everyday manipulation, our algorithm optimizes tree-structured robot hands to reproduce desired target motions. The framework produced both a 6-degree-of-freedom (DoF) general-purpose hand and lower-DoF task-specific hands with spatial four-bar mimic joints. To accelerate the search over designs, we trained a reinforcement-learning (RL) actor to propose good hand designs and joint angles, reducing search time from hours to minutes. We fabricated the mechanisms directly as one-piece articulated structures with print-in-place joints. In real-world experiments, the 6-DoF hand achieved highly accurate teleoperated fingertip tracking better than available commercial robot hands, whereas the specialized 3-DoF hands reproduced structured human and synthetic trajectories with reduced mechanical complexity. These results showed that large-scale human motion data can be used not only to train robot controllers but also as a reference for optimizing and generating the physical embodiment of robots.
Abstract（参考訳）: ロボットの学習は、制御の学習において急速に進歩してきたが、デザインと制御を共同で探すことで、非常に大きな組み合わせの問題が発生するため、ロボットの身体の学習はずっと難しいままである。本稿では,人間の実演からロボットの手を生成するためのデータ駆動型フレームワークを提案する。複雑なコントローラを各候補設計とともに学習する代わりに、逆運動学を通して指先の位置をマッチングする、製造後に使用されるのと同じシンプルな制御ポリシーを用いて、ロボットハンドデザインを生成する。人間の指先の動きを日常の操作から400万フレーム以上利用し,木構造ロボットハンドを最適化し,所望の動作を再現する。このフレームワークは6自由度(DoF)汎用ハンドと、空間的な4バーの模倣関節を備えた低自由度タスク専用ハンドの両方を生み出した。設計を高速化するため, 強化学習(RL)アクターを訓練し, 優れた手作り設計と関節角度の提案を行い, 探索時間を数時間から数分に短縮した。プリントインプレース継手を用いた一片調音構造として, 本機構を直接構築した。実際の実験では、6-DoFハンドは市販のロボットハンドよりも高精度な遠隔操作指先追跡を実現したが、特殊な3-DoFハンドは機械的複雑さを低減した構造化された人間と合成軌道を再現した。これらの結果から,ロボットの身体動作を最適化・生成するための基準として,ロボットコントローラのトレーニングだけでなく,大規模な人体動作データも利用できることがわかった。

関連論文リスト

HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。 HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
論文参考訳（メタデータ） (2026-05-24T08:26:41Z)
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)
Learning to Transfer Human Hand Skills for Robot Manipulations [12.797862020095856]
本稿では,人間の手の動きのデモから,ロボットに巧妙な操作課題を教える方法を提案する。本手法では,人間の手の動き,ロボットの手の動き,物体の動きを3Dでマッピングする関節運動多様体を学習し,ある動きを他者から推測する。
論文参考訳（メタデータ） (2025-01-07T22:33:47Z)
Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文参考訳（メタデータ） (2024-07-11T17:55:49Z)
ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文参考訳（メタデータ） (2023-09-11T08:55:04Z)
Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
論文参考訳（メタデータ） (2023-07-12T07:04:53Z)
HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-12-08T15:56:13Z)
GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
論文参考訳（メタデータ） (2022-09-12T15:14:32Z)
From One Hand to Multiple Hands: Imitation Learning for Dexterous Manipulation from Single-Camera Teleoperation [26.738893736520364]
我々は,iPadとコンピュータのみで3Dデモを効率的に収集する,新しい単一カメラ遠隔操作システムを提案する。我々は,操作者の手の構造と形状が同じであるマニピュレータである物理シミュレータにおいて,各ユーザ向けにカスタマイズされたロボットハンドを構築する。データを用いた模倣学習では、複数の複雑な操作タスクでベースラインを大幅に改善する。
論文参考訳（メタデータ） (2022-04-26T17:59:51Z)
Robotic Telekinesis: Learning a Robotic Hand Imitator by Watching Humans on Youtube [24.530131506065164]
我々は、人間なら誰でもロボットの手と腕を制御できるシステムを構築します。ロボットは、人間のオペレーターを1台のRGBカメラで観察し、その動作をリアルタイムで模倣する。我々はこのデータを利用して、人間の手を理解するシステムを訓練し、人間のビデオストリームをスムーズで、素早く、安全に、意味論的に誘導デモに類似したロボットのハンドアーム軌道に再ターゲティングする。
論文参考訳（メタデータ） (2022-02-21T18:59:59Z)

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。