論文の概要: Duet: Dual-Robot Understanding via Efficient Teaching

• arxiv url: http://arxiv.org/abs/2606.20990v1
• Date: Thu, 18 Jun 2026 23:47:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 11:21:15.400702
• Title: Duet: Dual-Robot Understanding via Efficient Teaching
• Title（参考訳）: デュエット:効果的な指導によるデュアルロボット理解
• Authors: Yiqi Zhao, Ruohai Ge, Celina Shiyu Wang, Junjie Ye, Muchen Xu, Minhao Li, Sergey Zakharov, Basile Van Hoorick, Vitor Campagnolo Guizilini, Leonidas Guibas, Gaurav S. Sukhatme, Jyotirmoy V. Deshmukh, Yue Wang,
• Abstract要約: DUETは、モバイル操作のためのデュアルロボット学習フレームワークである。 効率的なデータ収集のために、我々は統合されたデュアルエンボディメント同期VRベースの遠隔操作システムを構築した。 また、人間と人間の協調と協調的な移動操作の先行を記録できる追跡パイプラインも開発している。
• 参考スコア（独自算出の注目度）: 26.80188836825586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dual-robot collaboration enables tasks that exceed the reach and payload of a single robot, such as collaboratively transporting objects across environments and executing coordinated handovers. Data acquisition is the primary bottleneck for training these systems. To this end, we introduce DUET, a dual-robot learning framework for mobile manipulation. For efficient data collection, we create a unified dual-embodiment synchronized VR-based teleoperation system for in-domain heterogeneous robot data collection. We further develop a complementary tracking pipeline that records human-human coordination and collaborative mobile manipulation priors. To allow efficient learning, we introduce an Action Chunking Transformer based architecture that first pretrains collaborative policies on efficient human-human demonstrations, before finetuning them on a minimal set of real-robot teleoperation trajectories. We develop a benchmark of four collaborative tasks to evaluate our framework using a Unitree G1 humanoid and a Dexmate Vega1 mobile manipulator. The results demonstrate that harnessing human priors not only yields superior task performance compared to baselines trained only on robot data, but also reduces the total human effort required for data collection. Our human data collection pipeline achieves 5.4x acceleration on average from teleoperation, but we perform equally or better than robot-only data trained policies across all tasks. Our project page is available at https://zhaoy37.github.io/Duet/.
• Abstract（参考訳）: デュアルロボットコラボレーションは、環境を横断してオブジェクトを協調的に移動したり、協調的なハンドオーバを実行するなど、単一のロボットのリーチとペイロードを超えるタスクを可能にする。 データ取得は、これらのシステムのトレーニングにおける主要なボトルネックである。 そこで本研究では,モバイル操作のためのデュアルロボット学習フレームワークであるDUETを紹介する。 効率的なデータ収集のために,我々は,ドメイン内ヘテロジニアスなロボットデータ収集のための統合された二電子同期VRベース遠隔操作システムを構築した。 さらに、人間と人間の協調と協調的な移動操作の先行を記録できる補完的な追跡パイプラインを開発する。 効率的な学習を可能にするために,我々は,まず人間と人間の効率的なデモンストレーションに関する協調的なポリシーを事前訓練し,その後,ロボット遠隔操作の最小セットに微調整するAction Chunking Transformerベースのアーキテクチャを導入する。 我々は、Unitree G1ヒューマノイドとDexmate Vega1モバイルマニピュレータを用いて、我々のフレームワークを評価するための4つの協調作業のベンチマークを開発する。 以上の結果から,ロボットデータにのみトレーニングされたベースラインに比べ,作業性能が向上するだけでなく,データ収集に要する人的労力を削減できることが示唆された。 人間のデータ収集パイプラインは遠隔操作で平均5.4倍の加速を実現していますが、すべてのタスクにわたってトレーニングされたロボットのみのデータポリシーと同等かそれ以上のパフォーマンスを実現しています。 私たちのプロジェクトページはhttps://zhaoy37.github.io/Duet/で公開されています。

関連論文リスト

• EgoVerse: An Egocentric Human Dataset for Robot Learning from Around the World [63.2070298441355]
  EgoVerseは、人間のデータ駆動型ロボット学習のためのコラボレーションプラットフォームである。 1,965のタスク、240のシーン、2,087のユニークなデモを行う人間のデモの1,362時間 (80kのエピソード) をリリースします。 複数の実験室、タスク、ロボットのエボディメントにまたがって再現された実験により、人間からロボットへの移動を大規模に研究する。
  論文  参考訳（メタデータ） (2026-04-08T21:27:06Z)
• 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)
• Human2LocoMan: Learning Versatile Quadrupedal Manipulation with Human Pretraining [38.559900728422875]
  我々は,人間とロコマンの双方から収集したデータを活用して,四面体操作のためのクロス・エボディメント・模倣学習システムを提案する。 我々は,6つの実世界の操作タスクにおいて,平均成功率を41.9%向上させるシステムの有効性を検証した。
  論文  参考訳（メタデータ） (2025-06-19T17:22:52Z)
• HACTS: a Human-As-Copilot Teleoperation System for Robot Learning [47.9126187195398]
  HACTS(Human-As-Copilot Teleoperation System)は,ロボットアームと遠隔操作ハードウェアを双方向でリアルタイムに同期させるシステムである。 このシンプルで効果的なフィードバックメカニズムは、自動運転車のステアリングホイールに似たもので、人間の操縦士がシームレスに介入し、将来の学習のために行動補正データを収集することを可能にする。
  論文  参考訳（メタデータ） (2025-03-31T13:28:13Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)

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。