論文の概要: UniCross: Unified Cross-Skill Dexterous Manipulation Synthesis
- arxiv url: http://arxiv.org/abs/2607.28198v1
- Date: Thu, 30 Jul 2026 13:35:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.5787
- Title: UniCross: Unified Cross-Skill Dexterous Manipulation Synthesis
- Title（参考訳）: UniCross: 統一クロススキルデキスタラスマニピュレーション合成
- Abstract要約: 巧妙な操作タスクは、相互作用を通してオブジェクトを安全に保持することを要求する。
手動運動の観点では、このような操作は4つの標準的なスキル: 把握、転位、手動回転、手動翻訳である。
我々は、同じ状態と行動空間と共通の目的構造を共有する単一の定式化において、4つのスキル全てをモデル化する統一されたフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 9.08012373679036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many dexterous manipulation tasks require the object to remain securely held throughout the interaction. From the perspective of hand-object relational motion, such manipulation comprises four canonical skills: grasping, relocation, in-hand rotation, and in-hand translation. Human hands flexibly compose these skills to accomplish complex tasks. Existing approaches, however, model these skills separately with skill-specific action constraints, objectives, or even dedicated hand morphologies, which breaks the compatibility and continuity required for long-horizon composition. In this work, we present a unified framework that models all four skills in a single formulation that shares the same state and action spaces and a common objective structure. This formulation enables straightforward distillation of a single cross-skill policy that performs strongly on every skill, generalizes to unseen objects, stays robust to disturbances, and chains skills seamlessly into long-horizon manipulation. The framework also transfers effectively across different hand morphologies. Overall, our results suggest that different dexterous manipulation skills can be viewed as instantiations of a shared task formulation, revealing the intrinsic consistency across different behaviors.
- Abstract（参考訳）: 多くの巧妙な操作タスクは、相互作用を通してオブジェクトを安全に保持する必要がある。
手動関係運動の観点からは、このような操作は、把握、転位、手動回転、手動翻訳の4つの標準的なスキルから構成される。
人間の手は複雑なタスクを達成するためにこれらのスキルを柔軟に構成する。
しかし、既存のアプローチでは、これらのスキルを、スキル固有のアクション制約、目的、あるいは専用の手の形態で別々にモデル化することで、長い水平構成に必要な互換性と連続性を損なう。
本研究では,同じ状態と行動空間と共通の目的構造を共有する単一の定式化において,4つのスキルすべてをモデル化する統一的なフレームワークを提案する。
この定式化により、あらゆるスキルに強く対応し、目に見えない物体に一般化し、乱れに頑健であり、長い水平操作にシームレスにスキルを連鎖する単一のクロススキル政策の簡単な蒸留が可能となる。
フレームワークはまた、異なる手の形態間で効果的に転送する。
以上の結果から,異なる操作スキルを共有タスク定式化のインスタンス化と見なすことが可能であることが示唆された。
関連論文リスト
- VLBiMan++: Expanding the Generalization Boundary of Vision-Language Anchored One-Shot Bimanual Manipulation [45.119825915419064]
汎用的な双方向ロボット操作には、ますます多様なタスクにまたがる再利用可能なタスクが必要である。
VLBiMan++は、視覚言語でアンカーされたワンショットバイマニュアル操作の一般化境界を拡張する拡張フレームワークである。
論文 参考訳（メタデータ） (2026-09-13T06:10:51Z) - MoMo: Dial Motion Mode in Robot Manipulation with Spatiotemporal Action Tokenization [3.9364046475156482]
2段階の模倣学習フレームワークであるtexttemporalMoMoを提案する。
動作モードはタスク間で再利用でき、操作スキルの実行方法を制御することができる。
論文 参考訳（メタデータ） (2026-07-28T22:25:10Z) - GIRAF: Towards Generalizable Human Interactions with Articulated Objects [50.52795413484619]
そこで本論文では,テキスト条件付き拡散モデルについて述べる。
提案手法は、現在最先端の手法を超越して、未確認のオブジェクト構成に強い一般化を示した。
論文 参考訳（メタデータ） (2026-07-08T19:30:44Z) - SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization [99.18305770138677]
エージェントスキルは、エージェントの推論とアクションをガイドする再利用可能な戦略である。
現在の技術構築手法は、問題を一発抽出として扱う。
本稿では,スキル構築を3つの学習可能な操作に分解するフレームワークであるSkillComposerを紹介する。
論文 参考訳（メタデータ） (2026-06-04T12:16:08Z) - Decompose and Recompose: Reasoning New Skills from Existing Abilities for Cross-Task Robotic Manipulation [45.91196295385836]
クロスタスクの一般化は、オープンソースのロボット操作における中核的な課題である。
中間表現としてアトミックなスキルアクションペアを用いたスキル推論フレームワークであるDecomposeとRecomposeを提案する。
われわれのアプローチでは、実演を解釈可能なスキル-アクションアライメントに分解し、モデルが見えないタスクのためにこれらのスキルを再構成できるようにする。
論文 参考訳（メタデータ） (2026-05-02T13:55:28Z) - UniMotion: A Unified Motion Framework for Simulation, Prediction and Planning [60.55873455475112]
動作タスク間の共有構造をキャプチャする統合モーションフレームワークUniMotionを提案する。
UniMotionは、これらの動作タスクを同時にサポートするために、専用のインタラクションモードと調整されたトレーニング戦略を採用している。
さらなる微調整により、UniMotionはさまざまな動作タスクにおける最先端のパフォーマンスを達成し、自動運転のための汎用的でスケーラブルなソリューションとして確立する。
論文 参考訳（メタデータ） (2026-01-31T07:12:26Z) - Geometrically-Aware One-Shot Skill Transfer of Category-Level Objects [18.978751760636563]
本研究では,ロボットが複雑な物体操作のスキルと制約を1人の人間の実演から伝達することのできる,新しいスキル伝達フレームワークを提案する。
提案手法は,オブジェクト中心のインタラクションに着目したデモンストレーションから幾何学的表現を導出することで,スキル獲得とタスク実行の課題に対処する。
本手法の有効性と適応性を広範囲な実験により検証し,追加の訓練を必要とせず,多様な実環境における技術移転とタスク実行を実証した。
論文 参考訳（メタデータ） (2025-03-19T16:10:17Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - Twisting Lids Off with Two Hands [82.21668778600414]
シミュレーションで訓練された政策を実世界へ効果的かつ効率的に移行する方法を示す。
具体的には,ボトル状物体の蓋を両手でねじる問題について考察する。
これは、バイマガル・マルチフィンガーハンドでそのような機能を実現する最初のsim-to-real RLシステムである。
論文 参考訳（メタデータ） (2024-03-04T18:59:30Z) - Learning Reusable Manipulation Strategies [86.07442931141634]
人間は「トリック」を習得し、一般化する素晴らしい能力を実証する
本稿では,機械が1つの実演と自己演奏によってこのような操作スキルを習得することを可能にするフレームワークを提案する。
これらの学習メカニズムとサンプルは、標準的なタスクやモーションプランナにシームレスに統合できる。
論文 参考訳（メタデータ） (2023-11-06T17:35:42Z) - C$\cdot$ASE: Learning Conditional Adversarial Skill Embeddings for
Physics-based Characters [49.83342243500835]
C$cdot$ASEは、物理系文字に対する条件付き適応スキル埋め込みを学習する効率的なフレームワークである。
C$cdot$ASEは、不均一なスキルモーションを、低レベル条件モデルのトレーニングのための均質なサンプルを含む別個のサブセットに分割する。
スキル条件の模倣学習は、訓練後のキャラクターのスキルを明確に制御する。
論文 参考訳（メタデータ） (2023-09-20T14:34:45Z) - Versatile Skill Control via Self-supervised Adversarial Imitation of
Unlabeled Mixed Motions [19.626042478612572]
ラベルのないデータセットから制御可能なスキルセットを用いて多目的ポリシーを得るための協調的敵意的手法を提案する。
生成的模倣学習の枠組みにおいて教師なしのスキル発見を活用することで、新規で有用なスキルが実現し、タスク遂行が成功することを示す。
最後に、得られた多目的ポリシーは、Solo 8と呼ばれるアジャイル四足歩行ロボットでテストされ、デモで符号化された多様なスキルを忠実に再現する。
論文 参考訳（メタデータ） (2022-09-16T12:49:04Z) - SKID RAW: Skill Discovery from Raw Trajectories [23.871402375721285]
すべてのスキルではなく、完全なタスクの実行を示すことが望ましい。
軌跡を反復パターンに分割することを同時に学習する新しい手法を提案する。
このアプローチは、スキルのシーケンスを理解するのに使用できるスキルコンディショニングを学習する。
論文 参考訳（メタデータ） (2021-03-26T17:27:13Z)
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。