論文の概要: Optimization of sim-to-real transfer in the humanoid robot NICO

• arxiv url: http://arxiv.org/abs/2607.18210v1
• Date: Mon, 20 Jul 2026 17:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.726492
• Title: Optimization of sim-to-real transfer in the humanoid robot NICO
• Title（参考訳）: ヒューマノイドロボットNICOにおけるsim-to-real転送の最適化
• Abstract要約: 本研究では,ヒューマノイドロボットNICOの2次元到達精度を向上させるために,低コストなハプティックキャリブレーション手法を提案する。 我々は、YOLOに基づく物体と手の検出、ロボット内蔵の低解像度魚眼カメラを用いたステレオビジョンに基づく位置決め、タスク固有の実行の修正を加えて、このアプローチを拡張した。 その結果, 完全非線形校正モデルは校正領域内で最高の性能を達成し, 視覚フィードバックモデルは全体の把握成功率が最も高かった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic grasping requires accurate coordination between visual perception, object localization, inverse kinematics, and hand control. However, when movements planned in simulation are executed on a physical robot, the sim-to-real gap can cause small positioning errors that prevent successful grasping. In our previous work, we introduced a low-cost haptic calibration method that improved 2D reaching accuracy of the humanoid robot NICO. In this paper, we extend this approach from reaching to tabletop object grasping by adding YOLO-based object and hand detection, stereo vision-based localization using the robot's built-in low-resolution fisheye cameras, and task-specific corrections for grasp execution. Together, these components form a novel calibration-based grasping pipeline that does not require RGB-D cameras, motion capture, or external tracking systems. We also implemented a visual feedback model that aligns the robot hand with the detected object before grasping. Our results show that the fully nonlinear calibration model achieved the best performance inside the calibrated area, while the visual feedback model achieved the highest overall grasping success across the full tabletop workspace.
• Abstract（参考訳）: ロボットの把握には、視覚知覚、物体の局所化、逆運動学、手制御の正確な調整が必要である。 しかし、シミュレーションで計画された動作が物理ロボット上で実行されると、シム・トゥ・リアルギャップは小さな位置決め誤差を引き起こすため、グリーピングが成功しない。 前報では,ヒューマノイドロボットNICOの2次元到達精度を向上する,低コストハプティックキャリブレーション手法を導入した。 本稿では,YOLOをベースとした物体と手の検出,ロボット内蔵の低解像度魚眼カメラを用いた立体視による位置決め,タスク固有の実行の補正などにより,テーブルトップ物体の把握に到達するアプローチを拡張した。 これらのコンポーネントは、RGB-Dカメラ、モーションキャプチャー、または外部追跡システムを必要としない、キャリブレーションに基づく新たな把握パイプラインを形成する。 また,ロボットの手と検出対象とを一致させる視覚フィードバックモデルも実装した。 その結果, 完全非線形キャリブレーションモデルが校正領域内で最高の性能を達成し, 視覚フィードバックモデルが全テーブル上作業空間全体で最高の把握成功を達成できた。

関連論文リスト

• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
  3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。 本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。 我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:15Z)
• Differentiable Inverse Graphics for Zero-shot Scene Reconstruction and Robot Grasping [0.820984376071696]
  我々は,ニューラルネットワークモデルと物理に基づく微分可能レンダリングを組み合わせて,ゼロショットシーン再構成とロボットの把握を行う,微分可能なニューログラフィックモデルを提案する。 我々のアプローチは、新しい環境におけるよりデータ効率が高く、解釈可能で、一般化可能なロボット自律性への道筋を提供する。
  論文  参考訳（メタデータ） (2026-02-04T20:33:50Z)
• Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
  我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。 実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。 次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
  論文  参考訳（メタデータ） (2026-01-24T07:43:57Z)
• Efficient Surgical Robotic Instrument Pose Reconstruction in Real World Conditions Using Unified Feature Detection [21.460727996614704]
  MISロボットは、長いキネマティックチェーンを持ち、カメラ内の自由度を部分的に可視化する。 本稿では,共有符号化による幾何学的プリミティブの検出を統一する新しいフレームワークを提案する。 このアーキテクチャは、1つの推論でキーポイントとエッジの両方を検出し、射影ラベル付き大規模合成データに基づいて訓練される。
  論文  参考訳（メタデータ） (2025-10-03T22:03:28Z)
• Optimizing Grasping in Legged Robots: A Deep Learning Approach to Loco-Manipulation [0.6533458718563319]
  本稿では,腕を備えた四足歩行の把握能力を高めるための枠組みを提案する。 そこで我々は,ジェネシスシミュレーション環境内にパイプラインを構築し,共通物体の把握試行の合成データセットを生成する。 このデータセットは、オンボードのRGBとディープカメラからのマルチモーダル入力を処理するU-Netのようなアーキテクチャで、カスタムCNNのトレーニングに使用された。 四脚ロボットの完全な枠組みを検証した。
  論文  参考訳（メタデータ） (2025-08-24T17:47:56Z)
• ARC-Calib: Autonomous Markerless Camera-to-Robot Calibration via Exploratory Robot Motions [15.004750210002152]
  ARC-Calibはモデルベースのマーカーレスカメラ・ロボットキャリブレーションフレームワークである。 完全に自律的で、多様なロボットにまたがって一般化できる。
  論文  参考訳（メタデータ） (2025-03-18T20:03:32Z)
• Kalib: Easy Hand-Eye Calibration with Reference Point Tracking [52.4190876409222]
  カリブ (Kalib) は、視覚基礎モデルの一般化性を利用して課題を克服する手眼自動校正法である。 校正中は、ロボットの後ろの空間内のカメラ座標3D座標に運動基準点を追跡する。 Kalibのユーザフレンドリな設計と最小限のセットアップ要件により、非構造化環境での継続的操作のソリューションとなり得る。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。